基于智能算法的高维生物医学数据集的特征选择策略研究

发布时间：2023-08-11 17:56

　　随着基因芯片技术在医学领域被广泛应用,大量微阵列数据被迅速积累,通过对这些数据进行分析并构建有效的分类模型,对一些潜在病患的早期诊断和临床治疗具有重要的研究意义和应用价值。然而,基因微阵列数据具有“高维小样本”的特点,如结肠微阵列数据集包含了两千多个基因特征。面对如此大规模的微阵列数据集,专家在短时间内不能直接进行分析和诊断治疗。此外,大多基因数据通常含有一些冗余或噪声数据,可能会导致疾病诊断算法的建模和训练时间过长时的过度拟合而误导,从而导致错误的医疗诊断。作为一种有效的降维方式,特征选择在生物医学领域已经引起广泛的关注并成为近年来生物信息学领域的研究热点。特征选择技术是对微阵列基因数据进行适当分析和分类的关键步骤,如果没有合适的特征选择方法,现有的模型很难准确捕获重要信息。本质上,特征选择问题可以被视为一个双目标优化问题,即在保持或提高预测精度的同时优化特征子集。目前已经存在一些针对微阵列生物医学数据的特征选择方法。其中,基于Wrapper的特征选择方法在搜索过程中旨在获得较高的分类精度而吸引了越来越多研究学者的注意。搜索策略是Wrapper方法中最重要的步骤,基于种群机制的元启发...

【文章页数】：84 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 本文主要研究工作
    1.4 章节安排
2 相关理论知识
    2.1 特征选择
        2.1.1 特征选择的搜索策略
        2.1.2 特征选择的评估标准
    2.2 分类算法概述
        2.2.1 KNN分类器
        2.2.2 SVM分类器
        2.2.3 NB分类器
        2.2.4 ELM分类器
    2.3 公开数据集描述
    2.4 基于智能算法的特征选择流程
    2.5 本章小结
3 基于改进克隆花授粉算法的疾病特征选择研究
    3.1 引言
    3.2 克隆花授粉算法(CFPA)
    3.3 二进制编码
    3.4 改进策略的设计
        3.4.1 绝对平衡分组策略(ABGS)
        3.4.2 自适应高斯突变
    3.5 基于改进的克隆花授粉算法(IBCFPA)的特征选择
    3.6 实验分析
        3.6.1 不同算法的性能比较
        3.6.2 不同分类器的验证
    3.7 本章小结
4 基于改进珊瑚礁算法的疾病特征选择研究
    4.1 引言
    4.2 珊瑚礁优化算法(CRO)
    4.3 模拟退火算法(SA)
    4.4 基于珊瑚礁优化算法结合模拟退火(BCROSAT)的特征选择
        4.4.1 初始化编码
        4.4.2 锦标赛选择策略(TS)
        4.4.3 BCROSAT的实现步骤
    4.5 实验分析
        4.5.1 实验设置
        4.5.2 算法性能比较
        4.5.3 分类器验证
    4.6 本章小结
5 基于增强的WRAPPER模式的疾病特征选择研究
    5.1 引言
    5.2 卡方检测算法
    5.3 基于卡方检验和WRAPPER算法的特征选择
    5.4 实验结果分析
        5.4.1 不同混合模式算法的性能比较
        5.4.2 比较基于混合模式和Wrapper的特征选择性能
    5.5 本章小结
6 总结与展望
    6.1 本文总结
    6.2 本文展望
参考文献
致谢
攻读学位期间科研成果



本文编号：3841493