基于先驗信息和二進制微粒群算法的基因選擇方法研究.pdf_第1頁
已閱讀1頁，還剩64頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、雖然傳統的基因選擇方法已經能夠取得很好的效果，選出的基因子集有利于后續(xù)樣本分類，但是這些方法主要考慮數據方差和分布的相關性，從而選出的基因可解釋性較差且冗余度較高。為了獲得最小冗余可解釋的基因子集，本文在充分考慮基因類別靈敏度(Gene to class sensitivity, GCS)信息和基因調控(Generegulation，GR)信息的基礎上，利用二進制微粒群算法(BPSO)和極限學習機(ELM)進行基因選擇。本文主要工作如下

2、:
　　(1)針對GCS-BPSO-BP基因選擇方法時間開銷過高，提出了一類改進的基于GCS信息和BPSO的基因選擇方法(BPSO-GCSI-ELM)。相對于GCS-BPSO-BP方法，BPSO-GCSI-ELM方法利用ELM代替BP來評價獲取的基因子集從而降低時間開銷和避免過學習問題，同時在粒子初始化上進行有效的調整。在多個基因表達譜數據上的實驗表明，BPSO-GCSI-ELM方法能夠選出與樣本類別高度相關的基因子集，且選出的基

3、因子集具有較強的分類能力。
　　(2)針對BPSO-GCSI-ELM方法中初始化不完全合理以及BPSO進化過早收斂等問題，提出了一類基于兩種先驗信息的混合基因選擇方法(PKmeans-BPSO-GCS&GR-ELM)。該方法提出用PSO優(yōu)化K均值聚類，并在此基礎上確定初始化種群，隨后運用兩個BPSO分別結合GCS和GR信息進行進行選擇。在多個基因表達譜數據上的實驗結果表明，相比BPSO-GCSI-ELM和其他一些經典的基因選擇方法

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論