基于遗传算法和学习向量化网络的基因表达数据的阈值分析

摘要

常用的P值法对于非正态分布的基因表达数据的分类效果不理想,且运算量较大。为了对大规模的基因表达数据进行二值化分类,本文提出1种基于遗传算法的学习向量量化神经网络。采用遗传算法优化的自适应最大类间差算法,通过统计类间总体离差,构造阈值判别函数,从而得到较理想的动态分割阈值,进而获得了较为精准的网络训练集。实验结果表明了新方法具有较好的分类效果,能够有效地挖掘出基因表达数据的特征。