基于全局和聲搜索算法的特征基因選擇方法.pdf

《基于全局和聲搜索算法的特征基因選擇方法.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。

1、第44卷第3期內(nèi)蒙古師范大學(xué)學(xué)報(bào)(自然科學(xué)漢文版)VoI．44NO．32015年5月JournalofInnerMongoliaNormalUniversity(NaturalScienceEdition)May2015基于全局和聲搜索算法的特征基因選擇方法魏峻(陜西理工學(xué)院數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院，陜西漢中723000)摘要：鑒于DNA微陣列數(shù)據(jù)中無(wú)關(guān)基因和冗余基因?qū)Ψ诸惥群托实挠绊?，提出一種基于全局和聲搜索的特征基因選擇方法，首先采用ReliefF算法對(duì)微陣列基因數(shù)據(jù)集排序，取排序靠前的N個(gè)基因構(gòu)成初選基因子集，然后利用全局和聲搜索算法選擇特征基因

2、．兩個(gè)公共微陣列數(shù)據(jù)集上的仿真實(shí)驗(yàn)表明，該算法全局搜索能力強(qiáng)，分類精度高，能夠有效地剔除噪聲和冗余基因，是一種有效的特征基因選擇算法．關(guān)鍵詞：微陣列數(shù)據(jù)；特征基因；ReliefF算法；全局和聲搜索算法中圖分類號(hào)：TP18文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1001-8735(2015)03-0372-08基因芯片L1又稱為DNA微陣列(DNAmicroarray)作為一種先進(jìn)的、大規(guī)模、高通量檢測(cè)技術(shù)，已成功應(yīng)用于病原物檢測(cè)、遺傳疾病檢測(cè)、疾病進(jìn)程檢測(cè)等方面．然而基因芯片具有高維數(shù)小樣本的特點(diǎn)，在這些成千上萬(wàn)的基因中，僅有非常少量的基因與分類任務(wù)密切相關(guān)，而其他與

3、分類無(wú)關(guān)的噪聲和冗余基因則會(huì)嚴(yán)重影響分類的性能和效率．為了解決這個(gè)問(wèn)題，我們通過(guò)特征基因選擇，剔除與分類無(wú)關(guān)的、冗余的基因，從而降低臨床診斷的費(fèi)用，提高癌癥診斷的準(zhǔn)確性，并對(duì)疾病的預(yù)測(cè)提供可靠的依據(jù)瞳]．目前，特征基因選擇方法主要有過(guò)濾法(Filter)與纏繞法(Wrapper)兩種[3]．過(guò)濾法通常采用某種策略來(lái)評(píng)估每個(gè)基因?qū)Ψ诸惾蝿?wù)的相關(guān)性，然后按照相關(guān)性的高低對(duì)基因進(jìn)行排序，最后選擇排名靠前的N個(gè)基因作為特征基因．ReliefF算法[7。0]是一種經(jīng)典的過(guò)濾算法，它首先從訓(xùn)練樣本集中隨機(jī)抽取出一個(gè)樣本，再?gòu)呐cz同類的樣本集中找出樣本X的k個(gè)近鄰樣

4、本，然后從與每個(gè)不同類的樣本集中找出k個(gè)近鄰樣本，最后根據(jù)權(quán)值更新公式更新每個(gè)特征的權(quán)值，再根據(jù)權(quán)值的大小排序．過(guò)濾法具有運(yùn)算效率高、易于實(shí)現(xiàn)的優(yōu)點(diǎn)，但是它沒(méi)有考慮基因之間的相互作用，容易產(chǎn)生冗余基因．纏繞法通常采用分類算法對(duì)一個(gè)特征基因子集進(jìn)行分類性能的評(píng)價(jià)，然后根據(jù)評(píng)價(jià)的結(jié)果按照某種策略對(duì)子集進(jìn)行調(diào)整，以達(dá)到尋求最優(yōu)基因子集的目的．其中一些啟發(fā)式搜索算法已經(jīng)在這一領(lǐng)域得到了廣泛的應(yīng)用，聲搜索算法(HarmonySearch，HS)L】¨是一種新興的智能優(yōu)化算法，它模擬了樂(lè)師們通過(guò)反復(fù)調(diào)整各種樂(lè)器的音調(diào)直到生成一個(gè)美妙和聲的過(guò)程，該算法也在很多領(lǐng)域得

5、到了成功的應(yīng)用[1。引．纏繞法具有分類性能好、選取的特征基因少等優(yōu)點(diǎn)，但其計(jì)算量很大，時(shí)間復(fù)雜度高，在高維、高噪的數(shù)據(jù)中容易產(chǎn)生過(guò)擬合現(xiàn)象．針對(duì)這一問(wèn)題，本文結(jié)合過(guò)濾法與纏繞法的思想，提出一種基于全局和聲搜索算法的基因選擇方法．首先以ReliefF算法為基礎(chǔ)，計(jì)算每個(gè)基因與分類屬性的相關(guān)性，然后利用全局和聲搜索算法選取特征基因．并在2個(gè)公共微陣列數(shù)據(jù)集上進(jìn)行仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明本文的算法全局搜索能力強(qiáng)，分類精度高，能夠有效的剔除噪聲和冗余基因，是一種有效的特征基因選擇算法．1ReliefF算法1992年Kira等_5首先提出Relief算法，算法首先

6、對(duì)隨機(jī)選擇的m個(gè)樣本的假設(shè)間隔進(jìn)行計(jì)算，然后將計(jì)算結(jié)果累加起來(lái)作為屬性的權(quán)值，最后根據(jù)屬性權(quán)值的大小就可以近似地估計(jì)出對(duì)于分類最有用的特征子集．假設(shè)間隔定義為在保持樣本分類不變的情況下決策面能夠移動(dòng)的最大距離，可表示為收稿日期：2014—08—24基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目(81160183，11305097)；陜西省教育廳資助項(xiàng)目(14JK1148)作者簡(jiǎn)介：魏峻(1979一)，男，陜西漢中人，陜西理工學(xué)院實(shí)驗(yàn)師，主要從事數(shù)據(jù)挖掘研究，E—mail：weijun307@163．com．第3期魏峻：基于全局和聲搜索算法的特征基因選擇方法一1(I

7、Iz—M()ll—lIz—H(z)l1)．其中：H()、M(z)分別是與同類和非同類的最近鄰點(diǎn)．樣本更新屬性P的權(quán)值可表示為w一w一!蘭!垡蘭+—diff(p,x,M(x))—．m最初，Relief算法主要針對(duì)兩類問(wèn)題．1994年Kononenko對(duì)Relief算法進(jìn)行了改進(jìn)，提出RelidF算法．算法的思想是將分類問(wèn)題視為一類對(duì)多類關(guān)系加以解決，使算法可以解決多類問(wèn)題和回歸問(wèn)題．其改進(jìn)主要是在權(quán)值更新上，權(quán)值更新公式為kZ_aazf?f(p一,x,lVl?j(x)、)∑diff(p，z，H(z))．w===w～m×k．一+∑．C≠dass()?2改進(jìn)

8、的和聲搜索算法2．1標(biāo)準(zhǔn)和聲搜索算法HS搜索算法(HarmonySearch，HS)是Geem