基于熵模型的基因選擇方法研究.pdf

1、基因選擇是微陣列數(shù)據(jù)研究中的重要課題。從充滿冗余信息和噪聲的高維小樣本的數(shù)據(jù)中選擇與樣本分類最相關(guān)的基因，有利于提高分類器對(duì)樣本的分類準(zhǔn)確率。本文在從微陣列數(shù)據(jù)中獲取熵信息基礎(chǔ)上，利用粒子群優(yōu)化算法(PSO)結(jié)合極端學(xué)習(xí)機(jī)(ELM)進(jìn)行基因選擇。該類方法在基因選擇過(guò)程中考慮問(wèn)題中蘊(yùn)含的先驗(yàn)信息使得選出的基因具有一定的可解釋性，并提高了極端學(xué)習(xí)機(jī)對(duì)癌癥微陣列數(shù)據(jù)的預(yù)測(cè)精度。本文主要工作如下:
　　 (1)提出了一種耦合微陣列數(shù)據(jù)中

2、各基因的判別熵信息結(jié)合粒子群優(yōu)化和極端學(xué)習(xí)機(jī)的混合基因選擇方法。該方法首先根據(jù)微陣列數(shù)據(jù)中各個(gè)基因的判別熵信息建立初選基因庫(kù)，然后在初選庫(kù)中通過(guò)粒子群優(yōu)化算法搜索具有最高分類率的基因組合。該基因選擇方法在基因選擇過(guò)程中綜合考慮每個(gè)基因?qū)τ诜诸愃峁┑男畔⒍?，使得所選基因具有很好的可解釋性，并使得所選基因組有利于提高微陣列數(shù)據(jù)的分類準(zhǔn)確率。在五個(gè)常用微陣列數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果驗(yàn)證了該方法的有效性。
　　 (2)提出了一種將微陣列數(shù)據(jù)