多分類(lèi)器集成系統(tǒng)在基因微陣列數(shù)據(jù)分析中的應(yīng)用.pdf

1、多分類(lèi)器集成系統(tǒng)是當(dāng)前機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)研究熱點(diǎn)。由于使用多個(gè)基分類(lèi)器構(gòu)建的集成系統(tǒng)通常比單個(gè)優(yōu)秀的分類(lèi)器具有更強(qiáng)的泛化能力，因此多分類(lèi)器集成系統(tǒng)為許多基于傳統(tǒng)模式識(shí)別方法很難解決的分類(lèi)問(wèn)題提供了新的解決方案。 DNA微陣列技術(shù)是一種由物理學(xué)、微電子學(xué)與分子生物學(xué)等幾個(gè)領(lǐng)域綜合交叉形成的高新技術(shù)，該技術(shù)已經(jīng)在醫(yī)學(xué)與生物學(xué)上得到越來(lái)越廣泛的應(yīng)用，其中在癌癥分析檢測(cè)上的應(yīng)用使得在大規(guī)?；蛩缴仙钊胙芯堪┌Y的發(fā)生、擴(kuò)散等病理特征成為

2、可能。特別地，進(jìn)行可靠的癌癥類(lèi)型診斷與預(yù)測(cè)、癌癥關(guān)鍵基因的識(shí)別和癌癥的分類(lèi)已成為當(dāng)前癌癥研究中的兩項(xiàng)重要內(nèi)容。盡管如此，由于微陣列數(shù)據(jù)具有數(shù)據(jù)維數(shù)高、樣本數(shù)少的特點(diǎn)，因而使用常規(guī)的模式識(shí)別方法并不能總是獲得理想的結(jié)果。本文主要針對(duì)多分類(lèi)器集成系統(tǒng)在基因微陣列數(shù)據(jù)集上的應(yīng)用進(jìn)行了深入的分析與探討，并設(shè)計(jì)了新的集成系統(tǒng)，以更好地解決微陣列數(shù)據(jù)的分類(lèi)判別問(wèn)題。 (1)從機(jī)器學(xué)習(xí)的角度分析，癌癥關(guān)鍵基因識(shí)別問(wèn)題的核心是特征選擇問(wèn)題。本文

3、集合filter方法，分別設(shè)計(jì)了基于標(biāo)準(zhǔn)遺傳算法和多目標(biāo)遺傳算法的集成特征選擇方法。實(shí)驗(yàn)中，首先使用filter方法對(duì)基因進(jìn)行初步篩選，進(jìn)而使用遺傳算法進(jìn)一步實(shí)現(xiàn)特征選擇，然后將所選擇的一組特征子集分別用于構(gòu)造基分類(lèi)器，以生成集成特征選擇系統(tǒng)。實(shí)驗(yàn)結(jié)果表明，所設(shè)計(jì)的集成特征選擇算法能有效地選擇合適的基因子集，而且這種集成系統(tǒng)獲得了良好的識(shí)別性能。 (2)獨(dú)立分量分析是一種近幾年來(lái)新提出的線性變換方法，它已經(jīng)成功地應(yīng)用在微陣列數(shù)據(jù)

4、分析上。本文借鑒了集成特征選擇方法的思路，設(shè)計(jì)了集成獨(dú)立分量選擇系統(tǒng)。這種系統(tǒng)首先使用獨(dú)立分量分析算法對(duì)微陣列數(shù)據(jù)進(jìn)行線性變換，之后使用遺傳算法選擇合適的獨(dú)立分量子集，并分別用于構(gòu)建基分類(lèi)器。由于使用這種方法能保證各個(gè)基分類(lèi)器間的差異度，因此最后使用投票法將各個(gè)基分類(lèi)器進(jìn)行組合，即能構(gòu)成穩(wěn)健的集成系統(tǒng)。 (3)在應(yīng)用于微陣列數(shù)據(jù)分析中，通常獨(dú)立分量分析算法得到的獨(dú)立分量集并不總是可重復(fù)的。本文利用獨(dú)立分量集之間的差異，提出一種新

5、的構(gòu)造集成系統(tǒng)的思路。這個(gè)集成系統(tǒng)基于多目標(biāo)遺傳算法，通過(guò)對(duì)獨(dú)立分量分析變換后獲得的不同獨(dú)立分量集分別進(jìn)行篩選，從各個(gè)不同的獨(dú)立分量集中分別獲得較優(yōu)子集，用以構(gòu)建基分類(lèi)器。實(shí)驗(yàn)結(jié)果表明，使用這種方法，能夠獲得差異度更大的基分類(lèi)器，因而最終的集成系統(tǒng)具有更優(yōu)的性能。 (4)旋轉(zhuǎn)森林是一種新提出的多分類(lèi)器集成系統(tǒng)，其特點(diǎn)在于使用線性變換方法生成旋轉(zhuǎn)矩陣，使數(shù)據(jù)可以投影到不同坐標(biāo)系中，從而構(gòu)建有差異的分類(lèi)器。由于這種系統(tǒng)要求數(shù)據(jù)集的特

6、征維數(shù)不能過(guò)高，因此不能直接用在基因微陣列數(shù)據(jù)分析判別中。本文使用filter方法對(duì)基因微陣列數(shù)據(jù)進(jìn)行降維，以獲得適合旋轉(zhuǎn)森林的數(shù)據(jù)集。此外，還引入獨(dú)立分量分析技術(shù)作為一種新的產(chǎn)生旋轉(zhuǎn)矩陣的方法。在兩個(gè)常見(jiàn)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，旋轉(zhuǎn)森林在基因微陣列數(shù)據(jù)判別中能獲得較優(yōu)的識(shí)別效果，并且基于獨(dú)立分量分析的旋轉(zhuǎn)森林能獲得最佳的識(shí)別性能。 (5)關(guān)鍵基因選擇與癌癥類(lèi)別判別方法對(duì)處理多類(lèi)癌癥微陣列數(shù)據(jù)集往往比對(duì)兩類(lèi)癌癥數(shù)據(jù)集更困難。其原

7、因在于對(duì)多類(lèi)問(wèn)題，每類(lèi)的樣本數(shù)少，且往往各個(gè)類(lèi)別樣本數(shù)不均衡。本文設(shè)計(jì)了一種基于子集成系統(tǒng)的遺傳規(guī)劃，以同時(shí)實(shí)現(xiàn)特征選擇和類(lèi)別判定。首先，算法將多類(lèi)問(wèn)題分解為多個(gè)兩類(lèi)問(wèn)題，然后，在遺傳規(guī)劃算法設(shè)計(jì)中，使用規(guī)模較小的集成系統(tǒng)(稱(chēng)為子集成系統(tǒng))來(lái)分別處理各個(gè)兩類(lèi)問(wèn)題，并將這些子集成系統(tǒng)融合起來(lái)，以構(gòu)成一個(gè)個(gè)體。由于每個(gè)個(gè)體都包含一組子集成系統(tǒng)，因此它具有較強(qiáng)的泛化能力，且能直接處理多類(lèi)判別問(wèn)題。本文給出了基于特征的差異度測(cè)度，并使用局部?jī)?yōu)化