基于遺傳優(yōu)化獲取微陣列最佳分類規(guī)則

《基于遺傳優(yōu)化獲取微陣列最佳分類規(guī)則》由會員上傳分享，免費在線閱讀，更多相關內容在工程資料-天天文庫。

1、基于遺傳優(yōu)化獲取微陣列最佳分類規(guī)則遺傳編程（GP）提出一種最優(yōu)規(guī)則遺傳算法（BRGA）對分類規(guī)則進行優(yōu)化的方法，獲取最佳分類規(guī)則集，此算法可以調整分類器模型的相關參數(shù)，在適當增加迭代基礎上大幅提高分類的精確度，具有相當?shù)撵`活性和可理解性.利用6個基因數(shù)據集檢驗了算法的性能.仿真結果表明，本文提出的算法與其他文獻的方法相比，在具有較高分類精確度和穩(wěn)定性前提下大幅降低了計算復雜度及冗余.　　　　關鍵詞：最優(yōu)規(guī)則遺傳算法;微陣列;遺傳編程;分類規(guī)則;計算復雜度　?。篢P391：A　　生物醫(yī)學研究表明，人類大多數(shù)疾

2、病的發(fā)病機制，比如癌癥，從根本上來說都和基因息息相關.微陣列數(shù)據是將樣本實驗形成的影像轉為基因表達矩陣，矩陣行表示基因，列表示類別樣本，矩陣中的元素描述不同基因在不同樣本的表達水平.　　由于微陣列芯片技術［1］獲得的基因數(shù)據數(shù)量遠大于樣本數(shù)量，隨著維數(shù)的增加，最大的障礙則是在高維特征空間運算時存在的“維數(shù)災難”.微陣列大量基因數(shù)據僅為樣本分類提供了少數(shù)有分類意義的、具有明顯特征的基因.因此，在樣本分類之前，選擇特征基因是至關重要的，這直接影響到之后生成的分類器性能.微陣列分類作為生物指標的探索成為生物信

3、息學一個重要的課題，事實上，由于存在更多的癌癥類型和潛在的癌癥子類，如果展開腫瘤分類問題到多重腫瘤類別，數(shù)據集包含更多的類別和非常少量的樣本，問題將變得更具有挑戰(zhàn)性.　　一些研究報告指出，在基因選擇部分使用遺傳算法能改進微陣列數(shù)據的分類性能［1-2］，因此，遺傳算法已廣泛用于解決包括數(shù)據分類的各種難題［3-4］.本文提出一種最優(yōu)規(guī)則遺傳算法（BestRuleGeicAlgorithm，BRGA），選用一種基于遺傳優(yōu)化的分類算法生成分類規(guī)則，用二進制向量表示分類規(guī)則，初始化規(guī)則集，設定相應的適應度及

4、初始種群的規(guī)模,通過變異產生一定數(shù)量的最優(yōu)分類規(guī)則.通過實驗，使用6個基因表達數(shù)據集來驗證算法的性能.　　微陣列數(shù)據分類技術通常包含2部分內容：1）基因選擇；2）構建分類器模型.文獻［5］在基因選擇部分使用排列值計分RBS算法，很好地解釋了基因之間的相關性，大幅降低基因矩陣維度，在一定程度上減少了計算復雜性；在構建分類器部分提出了LCR方法，可以用很少的基因構造形成分類規(guī)則，提高了算法的可理解性.但分類規(guī)則的形成過程仍存在很多不足，如分類器模型中規(guī)則形成框架過于縝密，容易導致過擬合，產生龐大規(guī)則集的迭代過程相

5、當繁瑣，并產生大量冗余的規(guī)則，導致計算復雜度較高且算法收斂速度較低.分類器的構建則是整個技術的核心所在，傳統(tǒng)的微陣列分類方法有：加權投票(）［8］，費舍爾線性判別分析(LDA)［9］,人工神經X絡（ANN）［10］,遺傳規(guī)劃（GP）［11］,最小二乘邏輯回歸［12］和樸素貝葉斯方法［13］等.由于它們僅僅聚焦于分類性能,而不能進一步提供任何醫(yī)學和生物學依據，導致這些分類算法往往產生僵硬的分類系統(tǒng)，存在穩(wěn)定性弱和開銷大的特征，缺乏可擴展性.決策樹算法［14］和隨機森林算法

6、［15］基于決策規(guī)則產生分類器模型，此類算法獲得的分類規(guī)則在某種意義上包含了生物體基因之間的相關性，但如果訓練樣本存在小的差異會導致決策樹結構產生大的變化，致使分類器缺乏穩(wěn)定性，這些分類方法仍然存在很大的局限性.　　1BRGA方法的基本思想　　BRGA算法是在遺傳優(yōu)化的基礎上，將分類規(guī)則集作為種群，使用二進制串表示其中任意一條分類規(guī)則，計算對應于基因屬性的比較關系的分類規(guī)則適應度值，經過若干代的繁殖過程，包括選擇、交叉和變異運算，反復迭代優(yōu)化，獲取具有較高適應度的最佳分類規(guī)則.　　4結論　　本文提出的

7、BRGA算法很好地解決了用微陣列基因表達值構建分類決策規(guī)則普遍速度慢的難題，通過調整適合規(guī)則的適應度值及相關參數(shù)對初始規(guī)則集進行優(yōu)化，該算法能很快收斂于最優(yōu)分類規(guī)則集.采用6個數(shù)據集驗證了該算法的性能，實驗結果表明，BRGA算法具有較高的精確度和極少的分類運算耗時（CPUtime）.當然，由于實驗條件和生物學發(fā)展的局限性，該算法有待進一步提高和完善.　　遺傳編程（GP）提出一種最優(yōu)規(guī)則遺傳算法（BRGA）對分類規(guī)則進行優(yōu)化的方法，獲取最佳分類規(guī)則集，此算法可以調整分類器模型的相關參數(shù)，在適當增加迭代基礎上大

8、幅提高分類的精確度，具有相當?shù)撵`活性和可理解性.利用6個基因數(shù)據集檢驗了算法的性能.仿真結果表明，本文提出的算法與其他文獻的方法相比，在具有較高分類精確度和穩(wěn)定性前提下大幅降低了計算復雜度及冗余.　　　　關鍵詞：最優(yōu)規(guī)則遺傳算法;微陣列;遺傳編程;分類規(guī)則;計算復雜度　　：TP391：A　　生物醫(yī)學研究表明，人類大多數(shù)疾病的發(fā)病機制，比如癌癥，從根本上來說都和基因息息相關.微陣列數(shù)