基于PSO-SVM的肿瘤特征基因表达数据分析

摘要

在肿瘤细胞的优化识别研究中,基因芯片技术受到了广泛的关注.但目前采集到的基因表达数据存在着维度高、样本小的特点.为了处理肿瘤基因数据,建立肿瘤的分类预测模型,本文提出一种基于粒子群优化参数的支持向量机的预测方法,将其命名为BBPSO-SVM.该算法利用测试集数据评估建立分类模型,进而测算出最佳的惩罚参数和核函数参数,然后,对模型进行优化,从而使模型具有最优的分类性能.我们设计的实验通过5倍交叉验证的方式进行检测,并与CR-SVM算法,RFE-SVM算法,ACA-SVM算法,RS-SVM算法等主流的特征选择算法进行比较.结果证明,和相对于参比的算法,该方法有效的提升了识别精度,并且,识别的效率较好.