基于BQPSO算法的癌症特征基因选择与分类

范方云, 孙俊

(江南大学物联网工程学院,江苏无锡214122)

基于BQPSO算法的癌症特征基因选择与分类

范方云, 孙俊*

(江南大学物联网工程学院,江苏无锡214122)

提出了基于二进制编码的量子行为粒子群优化算法(BQPSO)的癌症特征基因选择方法,利用BQPSO对样本数据进行特征选择。使用选出的特征基因训练支持向量机进行留一法交叉验证。实验结果表明,基于BQPSO算法的癌症特征基因选择方法是一种行之有效的方法。

微阵列数据;特征基因;二进制编码的量子行为粒子群优化算法;支持向量机;留一法交叉验证

现代社会,癌症已经成为威胁人类生命的重要因素之一。漏诊和误诊使很多患者错过了最佳治疗时机。因此,人们迫切需要更多可靠的辅助方法,结合医疗诊断,最大限度地提高癌症诊断的正确率。随着信息科学和分子生物科学的飞速发展,基因芯片技术因其微型化,高通量等特点为人们提供了大量的微阵列DNA表达数据,被广泛应用于癌症诊断、临床检验等方面。然而,DNA微阵列数据维度高,样本量很少,且分布不均匀。过多的分类特征不一定能够得到较好的分类结果,而且增加了计算复杂度。为此,在利用DNA微阵列表达数据进行癌症分类之前必须进行特征选择,选择出对分类有积极作用的特征基因。

目前常用的特征选择方法可以从两方面进行分类[1],即评价准则和搜索策略。在基于评价准则划分的特征选择方法中,又可根据特征选择是否独立于后续的学习算法分为过滤式(Filter)和封装式(W rapper)两种。……