[發(fā)明專利]基于骨干粒子群算法的基因數(shù)據(jù)特征選擇方法及裝置

在審

• 申請?zhí)枺?/td>: 202110858994.0
• 申請日: 2021-07-28
• 公開（公告）號: CN113571134A
• 公開（公告）日: 2021-10-29
• 發(fā)明（設(shè)計）人: 許鎮(zhèn)義;潘凱;程凡;康宇;曹洋
• 申請（專利權(quán)）人: 合肥綜合性國家科學(xué)中心人工智能研究院（安徽省人工智能實驗室）
• 主分類號: G16B35/20
• 分類號: G16B35/20;G16B40/00;G06K9/62;G06N3/12
• 代理公司: 合肥天明專利事務(wù)所(普通合伙) 34115
• 代理人: 苗娟

本發(fā)明的一種基于骨干粒子群算法的基因數(shù)據(jù)特征選擇方法及裝置，基于基因疾病數(shù)據(jù)集，通過初始化基因疾病數(shù)據(jù)集種群，并對基因特征通過隨機(jī)分組算法進(jìn)行隨機(jī)初始化分成四組；使用代理實例算法將訓(xùn)練集中部分實例刪除，產(chǎn)生代理實例集；針對每組基因特征通過骨干粒子群算法進(jìn)行Tmax次迭代，在Tmax次迭代中，分為兩個階段，并分別通過代理實例集和原始實例集來評估粒子的函數(shù)適應(yīng)值，第一階段采用分組算法使得數(shù)據(jù)進(jìn)行了降維加快了優(yōu)化的速度并在全局搜索中找到優(yōu)化方向，第二階段利用局部搜索算法使得種群在找到優(yōu)化方向后找到最優(yōu)解，最優(yōu)解即找到效果最好的基因特征并輸出。本發(fā)明提高了基因數(shù)據(jù)的分類精度，在多個疾病基因數(shù)據(jù)集上取得良好效果。

技術(shù)領(lǐng)域

本發(fā)明涉及面向大規(guī)模特征選擇的技術(shù)領(lǐng)域，具體涉及一種基于骨干粒子群算法的基因數(shù)據(jù)特征選擇方法及裝置。

背景技術(shù)

在數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)中，通常涉及大量特征，但是并非所有特征都是必不可少的，因為其中許多特征都是多余的甚至是冗余的，這可能會降低算法的性能，選擇旨在通過從原始特征集中選擇一部分子集來解決問題。然而特征選擇是一項具有挑戰(zhàn)性的任務(wù)，主要是因為搜索空間隨著維度增大會呈指數(shù)增大，其中進(jìn)化算法因全局搜索能力而聞名。對于大規(guī)模的特征選擇，主要的挑戰(zhàn)在于實例數(shù)多導(dǎo)致評價階段計算時間長以及維度高導(dǎo)致分類精度低。

近年來,基于基因表達(dá)譜問題引起了廣泛關(guān)注,為疾病的精確診斷及分類提供了極大的便利.然而,由于基因表達(dá)譜數(shù)據(jù)存在樣本數(shù)量小、維數(shù)高、噪聲大及冗余度高等特點,給深入準(zhǔn)確地挖掘基因表達(dá)譜中所蘊(yùn)含的生物醫(yī)學(xué)知識和腫瘤信息基因選擇帶來了極大困難。基因表達(dá)譜數(shù)據(jù)中包含組織細(xì)胞中所有可測基因的表達(dá)水平,但事實是僅有少量基因才切實與樣本類別有關(guān)。

發(fā)明內(nèi)容

本發(fā)明提出的一種基于骨干粒子群算法的基因數(shù)據(jù)特征選擇方法，可解決上述技術(shù)問題，以有骨干粒子群算法作為框架，具體涉及一種代理實例算法以及隨機(jī)分組算法及裝置，其算法在多個疾病基因數(shù)據(jù)集上取得良好效果。

為實現(xiàn)上述目的，本發(fā)明采用了以下技術(shù)方案：

一種基于骨干粒子群算法的基因數(shù)據(jù)特征選擇方法，包括：

基于基因疾病數(shù)據(jù)集，通過計算機(jī)設(shè)備實現(xiàn)以下步驟，

S1、初始化基因疾病數(shù)據(jù)集種群，并對基因特征通過隨機(jī)分組算法進(jìn)行隨機(jī)初始化分成四組；

S2、使用代理實例算法將訓(xùn)練集中部分實例刪除，產(chǎn)生代理實例集；

S3、針對每組基因特征通過骨干粒子群算法進(jìn)行Tmax次迭代，在 Tmax次迭代中，又分為兩個階段，并分別通過代理實例集和原始實例集來評估粒子的函數(shù)適應(yīng)值，第一階段采用分組算法使得數(shù)據(jù)進(jìn)行了降維加快了優(yōu)化的速度并在全局搜索中找到優(yōu)化方向，第二階段利用局部搜索算法使得種群在找到優(yōu)化方向后找到最優(yōu)解，最優(yōu)解即找到效果最好的基因特征；

S4、輸出效果最好的基因特征。

進(jìn)一步的，S2中代理實例算法步驟包括：

首先，算法先將訓(xùn)練集中噪音實例刪除，如果實例被k個鄰居錯誤分類，便被認(rèn)為是噪音實例將其刪去；

隨后，對每個剩余的實例，計算“敵人”距離，即每個實例與不同類實例的最近距離，若“敵人”距離越大，可以認(rèn)為該實例離邊界離的越遠(yuǎn)，以“敵人”距離將實例排序，“敵人”距離越高的將優(yōu)先被刪去；

最后，對于每個實例，建立一個最近的鄰居列表，以及一個關(guān)聯(lián)列表，如果一個實例的刪除不會影響其余S中剩余實例的分類，便將他刪除；當(dāng)一個實例被刪除時，要將其關(guān)聯(lián)列表中的鄰居列表中刪除P，然后再找一個新的鄰居，這樣它們的列表中依舊有k個鄰居，當(dāng)他們找到一個新的鄰居N時，它們還將其添加到N的關(guān)聯(lián)列表；

最終得到刪減過后的S，就是代理實例數(shù)據(jù)集。