基于演化硬件的DNA微陣列數(shù)據(jù)分類方法研究.pdf

1、由于各種癌癥在病原上有其自身的特點(diǎn)，為了達(dá)到最大療效和最小毒副作用，需要制定有針對(duì)性的治療方案，因此癌癥的分類是治療的關(guān)鍵。當(dāng)前臨床上的癌癥診斷主要依據(jù)形態(tài)學(xué)信息，但有些在組織病理上相似的腫瘤也可能有不同的臨床表現(xiàn)，需要截然不同的治療方案。近年來(lái)，DNA微陣列技術(shù)的發(fā)展為癌癥研究提供了一種新的途徑，通過(guò)微陣列數(shù)據(jù)的表達(dá)值可以尋找基因之間的復(fù)雜關(guān)系，為研究癌癥的發(fā)病機(jī)理、對(duì)其進(jìn)行檢測(cè)并篩選相應(yīng)的治療藥物提供了依據(jù)。利用DNA微陣列數(shù)據(jù)對(duì)癌

2、癥進(jìn)行分類已成為當(dāng)前癌癥研究的重點(diǎn)之一，但由于微陣列數(shù)據(jù)集具有小樣本、高維度、高噪音、高冗余、數(shù)據(jù)分布不均衡等特點(diǎn)，也為基于DNA微陣列數(shù)據(jù)的癌癥分類帶來(lái)了巨大的挑戰(zhàn)。
　　 由于DNA微陣列數(shù)據(jù)的獨(dú)特性，使用常規(guī)的模式識(shí)別方法并不一定能獲得理想的分類效果。針對(duì)當(dāng)前基于DNA微陣列數(shù)據(jù)的癌癥分類中存在的學(xué)習(xí)和識(shí)別時(shí)間長(zhǎng)，學(xué)習(xí)結(jié)果可讀性差等問(wèn)題，為了更好地解決微陣列數(shù)據(jù)的分類問(wèn)題并進(jìn)一步提高系統(tǒng)的識(shí)別率，本文提出了一種基于演化硬件

3、的癌癥分類方法以建立一個(gè)高效、準(zhǔn)確的分類系統(tǒng)。與結(jié)構(gòu)和功能一次性固定、不可逆轉(zhuǎn)的傳統(tǒng)硬件電路相比較，演化硬件是一種基于可編程邏輯器件，通過(guò)應(yīng)用演化算法能夠自動(dòng)的、動(dòng)態(tài)的改變其自身結(jié)構(gòu)和功能從而適應(yīng)其周圍環(huán)境變化的新型電子器件。演化硬件分類系統(tǒng)基于可編程邏輯器件的高效、快速等特性，具有可在線適應(yīng)、實(shí)時(shí)性強(qiáng)、學(xué)習(xí)結(jié)果可讀性好等優(yōu)點(diǎn)。為了解決所提出的上述問(wèn)題，本文在以下方面進(jìn)行了深入研究。
　　 第一、針對(duì)單個(gè)演化硬件分類器存在的穩(wěn)定

4、性差、識(shí)別率低等問(wèn)題，建立了用于微陣列數(shù)據(jù)分類的演化硬件多分類器模型。對(duì)DNA微陣列數(shù)據(jù)采用基于過(guò)濾的信噪比特征選擇方法，然后使用虛擬可重構(gòu)結(jié)構(gòu)的演化硬件多次對(duì)數(shù)據(jù)集進(jìn)行學(xué)習(xí)生成不同的基分類器，最后采用大多數(shù)投票法對(duì)多個(gè)基分類器的輸出結(jié)果進(jìn)行集成。為了降低系統(tǒng)的演化難度，在演化過(guò)程中采用了增量演化策略;同時(shí)使用流水線技術(shù)降低系統(tǒng)的演化時(shí)間。
　　 第二、為了降低系統(tǒng)的硬件資源消耗，并進(jìn)一步提高系統(tǒng)的識(shí)別率，又引入了選擇性集成學(xué)習(xí)