基于邻域熵与蚁群优化的基因选择算法

发布时间：2018-04-05 11:46

  本文选题：基因选择　切入点：蚁群优化　出处：《福州大学学报(自然科学版)》2017年06期

【摘要】：针对基因表达数据集的基因选择问题,采用邻域熵度量与蚁群优化原理,提出一种基因选择方法.首先,引入邻域粗糙集模型对基因数据进行邻域粒化,定义邻域熵度量用于剔除冗余基因构成预选择基因子集;然后,采用邻域熵构造基因重要度作为启发式信息,发挥蚁群优化算法的分布式、正反馈及全局寻优的优势,运用蚁群优化算法从预选择基因子集中搜索出最小基因子集;最后,在选取的最小基因子集上进行分类测试.实验表明:建立在该最小基因子集上的分类器具有良好的分类性能.
[Abstract]:In order to solve the gene selection problem of gene expression data set, a gene selection method is proposed by using neighborhood entropy metric and ant colony optimization principle.Firstly, the neighborhood rough set model is introduced to granulate the gene data, and the neighborhood entropy metric is defined to remove redundant genes to form a subset of preselected genes. Then, the importance of constructing genes by neighborhood entropy is used as heuristic information.Based on the advantages of distributed, positive feedback and global optimization, the ant colony optimization algorithm is used to search the minimum gene subset from the pre-selected gene subset. Finally, the classification test is carried out on the selected minimum gene subset.The experimental results show that the classifier based on the minimal gene subset has good classification performance.
【作者单位】： 厦门理工学院计算机与信息工程学院;
【基金】：国家自然科学基金资助项目(61573297) 福建省教育厅科研资助项目(JA15363)
【分类号】：TP18

【相似文献】

相关期刊论文 前10条

1 陆静;赵阳;王效华;;基于蚁群优化的故障分类研究[J];河南科学;2008年03期

2 张邦楚;彭琛;余新荣;周晓华;邹丽君;;基于蚁群优化的多弹协同目标分配算法[J];弹箭与制导学报;2012年04期

3 徐永成;陈];;基于蚁群优化的二分网络社区挖掘[J];计算机科学与探索;2014年03期

4 崔世钢;徐雪莲;赵丽;田立国;杨耿煌;;蚁群优化在移动机器人路径规划上的研究[J];制造业自动化;2009年01期

5 李文江;杨崔;王涛;;基于蚁群优化的模糊神经网络控制器的应用研究[J];工矿自动化;2009年03期

6 刘延风;刘三阳;;基于蚁群优化的置换流水车间调度算法[J];系统工程与电子技术;2008年09期

7 姜万录;刘伟;张瑞娟;陈海军;;基于蚁群优化的神经网络智能PID控制策略研究[J];机床与液压;2010年13期

8 朱思峰;刘方;柴争义;;一种基于蚁群优化的无线传感器网络路由算法[J];北京理工大学学报;2010年11期

9 舒期梁;赵丽萍;;基于改进蚁群优化的无线传感器网络路由算法[J];计算机测量与控制;2011年05期

10 吴文铁;宋曰聪;李敏;;蚁群优化神经网络的网络流量混沌预测[J];计算机工程与应用;2012年34期

相关会议论文 前1条

1 姜万录;刘伟;张瑞娟;陈海军;;基于蚁群优化的神经网络智能PID控制策略研究[A];中国机械工程学会流体传动与控制分会第六届全国流体传动与控制学术会议论文集[C];2010年

相关博士学位论文 前7条

1 胡小兵;蚁群优化原理、理论及其应用研究[D];重庆大学;2004年

2 马希骜;概率粗糙集属性约简理论及方法研究[D];西南交通大学;2014年

3 唐孝;基于粗糙集的知识发现方法及其在ECG信号识别中的应用[D];电子科技大学;2015年

4 曾凯;邻域粒化粗糙计算的关键技术研究与应用[D];电子科技大学;2015年

5 王永生;基于粗糙集理论的动态数据挖掘关键技术研究[D];北京科技大学;2016年

6 马周明;基于边界域的多粒度粗糙集及其相关度量[D];河北师范大学;2017年

7 孔芝;粗糙集理论若干问题的研究与应用[D];东北大学;2009年

相关硕士学位论文 前10条

1 王乐衡;考虑多元设备类型的超启发式跨单元调度方法[D];北京理工大学;2015年

2 翟晨汐;基于蚁群优化的视觉板球系统的直接自适应模糊滑模控制[D];大连理工大学;2015年

3 伍祥红;基于蚁群优化的自主水下机器人路径决策方法研究[D];哈尔滨工程大学;2007年

4 唐迪;基于打分准则和微粒群算法的基因选择方法研究[D];江苏大学;2017年

5 仵振东;基于蚁群优化的遥感影像分类研究[D];安徽理工大学;2014年

6 曹涛;基于聚类的混合基因选择方法研究[D];湖南大学;2011年

7 刘伟;基于蚁群优化的神经网络智能PID控制策略研究[D];燕山大学;2010年

8 任平;基于蚁群优化的WSN路由算法研究[D];西安科技大学;2012年

9 吴希贤;基于优化算法的基因选择与癌症分类[D];湖南大学;2008年

10 陆燕;基于启发式聚类的混合特征基因选择方法研究[D];湖南大学;2010年

，

本文编号：1714629