基于粒子群优化和极端学习机的基因表达谱数据处理方法的研究

摘要

由于基因表达谱数据具有高维度、样本少、高噪声等特点,从而导致传统的机器学习方法对高维小样本的基因表达谱数据的处理并不是很有效。因此,针对基因表达谱数据的特点,本文提出将粒子群优化和极端学习机结合起来对其进行处理。该方法能够以较少的基因获取更高的癌症预测精度。在两类和多类基因表达谱数据上的实验结果也验证了本文方法的有效性。本文的主要工作如下;
　　 1.运用粒子群优化算法和极端学习机对基因表达谱数据进行基因选择,算法中用粒子群对基因做优选,同时用极端学习机来评价所选的基因子集。由于粒子群优化具有较好的全局性能以及极端学习机能以极快的速度获得极好的泛化性能,新方法能够以更快的速度获取更具代表性的基因子集。
　　 2.运用极端学习机对基因选择后的样本做分类。相对于传统的机器学习算法,极端学习机收敛快,精度高,因此,新方法能够获得更高的癌症预测精度,并且不受数据集类别和样本数多少的影响。