針對癌癥基因特征提取問題,根據(jù)遺傳算法中不同迭代時期的種群特性,設(shè)計了新的突變方法。多突變基因庫與種群代數(shù)相關(guān)的設(shè)計,使得算法能夠較快地收斂到最優(yōu)解而又避免其過早陷入局部最優(yōu)解中;選擇算子中包括個體對種群的基因豐富度貢獻;針對種群中大量的重復(fù)個體,加入重復(fù)控制,去除重復(fù)個體,提高個體與種群基因的多樣性。算法在幾種實驗數(shù)據(jù)集上均取得了較好的結(jié)果。 

【文章來源】：電腦知識與技術(shù). 2020,16(26)

【文章頁數(shù)】：4 頁

【部分圖文】：

染色體編碼

采用中點交叉互換法，如圖2所示，從種群中隨機選出兩個個體，以解的中點為界，交叉互換兩個解的一部分。本算法中交叉互換率設(shè)置為0.7，本算法在此步添加了重復(fù)控制，當chromosome中包含重復(fù)基因時，此次交叉互換失效，重新進行。2.3.3 變異算子

采用單基因突變，如圖3所示，隨機選取解的一個基因進行突變，本算法在突變的過程中添加了重復(fù)控制，突變時進行檢查，如果突變基因在原來的解中，則需要重新進行突變，這一步和交叉互換中的重復(fù)控制保證了所有的染色體符合解約束（特征子集數(shù)），突變率設(shè)置為0.3。本算法設(shè)計了一個基于最大信息系數(shù)（MIC）打分，并與種群代數(shù)相關(guān)的突變方法進行突變基因的選擇。MIC又稱最大相互信息系數(shù)，是基于信息的非參數(shù)性方法，用于衡量兩個變量之間的線性或非線性的強度。本算法先利用MIC計算基因與類別的相關(guān)性，并將相關(guān)性作為基因的分數(shù)。

【參考文獻】：
期刊論文
[1]高維小樣本分類問題中特征選擇研究綜述[J]. 王翔,胡學鋼.  計算機應(yīng)用. 2017(09)
[2]基于K折交叉驗證的選擇性集成分類算法[J]. 胡局新,張功杰.  科技通報. 2013(12)
[3]基于過采樣技術(shù)和隨機森林的不平衡微陣列數(shù)據(jù)分類方法研究[J]. 于化龍,高尚,趙靖,秦斌.  計算機科學. 2012(05)
[4]不平衡類數(shù)據(jù)挖掘研究綜述[J]. 翟云,楊炳儒,曲武.  計算機科學. 2010(10)
[5]基于filter-wrapper的兩步特征變量提取方法[J]. 陳巖,來海鋒,王清,王衛(wèi)偉.  機電工程. 2010(04)

碩士論文
[1]基因表達譜數(shù)據(jù)特征選擇與提取方法研究[D]. 劉金勇.中國計量學院 2014



本文編號：3563059