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樣本的分類準確率。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(ELM)進行基因選擇。該類方法在基因選擇過程中考慮問題中蘊含的先驗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)機對癌癥微陣列數(shù)據(jù)的預(yù)測精度。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)中各個基因的判別熵信息建立初選基因庫，然后在初選庫中通過粒子群優(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程中綜合考慮每個基因?qū)τ诜诸愃峁┑男畔⒍龋沟盟x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)的分類準確率。在五個常用微陣列數(shù)據(jù)集上的實驗結(jié)果驗證了該方法的有效性。
　　 (2)提出了一種將微陣列數(shù)據(jù)