[發明專利]基于動態圖結構的小鼠模型海馬生物標記物的多目標特征選擇方法

有效

• 申請號: 202110088875.1
• 申請日: 2021-01-22
• 公開（公告）號: CN112801163B
• 公開（公告）日: 2022-10-04
• 發明（設計）人: 程凡;劉旭東
• 申請（專利權）人: 安徽大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 安徽省合肥新安專利代理有限責任公司 34101
• 代理人: 陸麗莉;何梅生

1.一種基于動態圖結構的小鼠模型海馬生物標記物的多目標特征選擇方法，其特征是按如下步驟進行：

步驟1：采集T個小鼠模型海馬組織樣本，并測定第t個小鼠模型海馬組織樣本中d個生物標記物作為所述第t個小鼠模型海馬組織樣本的屬性特征，記為x_t，并有：表示第t個小鼠模型海馬生物標記物樣本中第e個屬性特征，t＝1，2，...，T；e＝1，2，…，d；令所述第t個小鼠模型海馬生物標記物樣本的標簽記為y_t，且y_t∈{1，0}，y_t＝1時，表示該樣本為陽性樣本，當y_t＝0時，表示該樣本為陰性樣本；

步驟2：對所述第t個小鼠模型海馬生物標記物樣本的屬性特征x_t進行標準化處理，得到第t個小鼠模型海馬生物標記物樣本并與所述第t個小鼠模型海馬生物標記物樣本的標簽y_t構成樣本空間(x′_t，y_t)，從而得到T個小鼠模型海馬生物標記物樣本的訓練數據集，記為其中，表示第t個小鼠模型海馬生物標記物樣本中第e個類別；

步驟3：采用皮爾遜積矩相關系數對訓練數據集S中每兩個小鼠模型海馬生物標記物樣本x′_i和x′_j計算其相關性，記為W_i，j；i，j∈{1，2，...，T}且i≠j；

步驟4：計算對訓練數據集S中第i個小鼠模型海馬生物標記物樣本x′_i的Fisher評分，記為W_i；i＝1，2，...，T；

步驟5：構建一個無向加權圖OG＝V，E，所述無向加權圖OG中的第i個點V_i代表訓練數據集S中的第i小鼠模型海馬生物標記物樣本x′_i，令Fisher評分W_i為第i個節點V_i的權重，令W_i，j為第i個點V_i與第j個點V_j之間的邊E_i，j的權重；

步驟6：保留所述無向加權圖OG中與每個節點相連邊的權重中較大的前λ個鄰居邊，得到一個新的無向加權圖，記為CG＝V′，E′；

步驟7：根據新的無向加權圖CG，通過進化多目標優化方法初始化一個包含N個個體的種群；

步驟8：定義當前迭代次數為p、最大迭代次數為P；定義當前獨立迭代次數為q、最大獨立迭代次數為Q；初始化p＝1；

步驟9：初始化q＝1；

步驟10：在第p次當前迭代的第q次當前獨立迭代的每個種群中的N個個體在進入多目標種群獨立進化過程中，根據無向加權圖CG生成第p次當前迭代的第q次當前獨立迭代個體k對應的子圖

步驟11：從子圖中提取對應的生物標記物，并計算精度和特征數

步驟12：根據第p次當前迭代的第q次當前獨立迭代的個體k的精度和特征數計算第p次當前迭代的第q次當前獨立迭代的擁擠距離和適應度值從而根據第p次當前迭代的第q次當前獨立迭代的擁擠距離和適應度值選取Pareto前沿面中的個體存入外部存檔Arc中，并選取一半子代個體作為第p次當前迭代的第q+1次當前獨立迭代的父代個體；

步驟13：將q+1賦值給q，將p+1賦值給p后，重復步驟10至步驟12，直到達到所述最大獨立迭代次數Q為止；

步驟14：計算外部存檔Arc中每個個體對應生物標記物的辨別力，并根據生物標記物出現的不同次數計算所述新的無向加權圖CG中每個節點權重的增量；

步驟15：用每個節點權重及其增量之和來更新新的無向加權圖CG中每個節點的權重，并清空外部存檔Arc；

步驟16：重復步驟9至步驟15，直到達到所述最大迭代次數P為止，并選取種群中精度最高的個體及其對應生物標記物，從而實現小鼠模型海馬生物標記物的特征選擇。