本文選題：基因選擇　切入點(diǎn)：蟻群優(yōu)化　出處：《福州大學(xué)學(xué)報(bào)(自然科學(xué)版)》2017年06期

【摘要】：針對(duì)基因表達(dá)數(shù)據(jù)集的基因選擇問(wèn)題,采用鄰域熵度量與蟻群優(yōu)化原理,提出一種基因選擇方法.首先,引入鄰域粗糙集模型對(duì)基因數(shù)據(jù)進(jìn)行鄰域�；�,定義鄰域熵度量用于剔除冗余基因構(gòu)成預(yù)選擇基因子集;然后,采用鄰域熵構(gòu)造基因重要度作為啟發(fā)式信息,發(fā)揮蟻群優(yōu)化算法的分布式、正反饋及全局尋優(yōu)的優(yōu)勢(shì),運(yùn)用蟻群優(yōu)化算法從預(yù)選擇基因子集中搜索出最小基因子集;最后,在選取的最小基因子集上進(jìn)行分類(lèi)測(cè)試.實(shí)驗(yàn)表明:建立在該最小基因子集上的分類(lèi)器具有良好的分類(lèi)性能.
[Abstract]:In order to solve the gene selection problem of gene expression data set, a gene selection method is proposed by using neighborhood entropy metric and ant colony optimization principle.Firstly, the neighborhood rough set model is introduced to granulate the gene data, and the neighborhood entropy metric is defined to remove redundant genes to form a subset of preselected genes. Then, the importance of constructing genes by neighborhood entropy is used as heuristic information.Based on the advantages of distributed, positive feedback and global optimization, the ant colony optimization algorithm is used to search the minimum gene subset from the pre-selected gene subset. Finally, the classification test is carried out on the selected minimum gene subset.The experimental results show that the classifier based on the minimal gene subset has good classification performance.
【作者單位】： 廈門(mén)理工學(xué)院計(jì)算機(jī)與信息工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61573297) 福建省教育廳科研資助項(xiàng)目(JA15363)
【分類(lèi)號(hào)】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陸靜;趙陽(yáng);王效華;;基于蟻群優(yōu)化的故障分類(lèi)研究[J];河南科學(xué);2008年03期

2 張邦楚;彭琛;余新榮;周曉華;鄒麗君;;基于蟻群優(yōu)化的多彈協(xié)同目標(biāo)分配算法[J];彈箭與制導(dǎo)學(xué)報(bào);2012年04期

3 徐永成;陳];;基于蟻群優(yōu)化的二分網(wǎng)絡(luò)社區(qū)挖掘[J];計(jì)算機(jī)科學(xué)與探索;2014年03期

4 崔世鋼;徐雪蓮;趙麗;田立國(guó);楊耿煌;;蟻群優(yōu)化在移動(dòng)機(jī)器人路徑規(guī)劃上的研究[J];制造業(yè)自動(dòng)化;2009年01期

5 李文江;楊崔;王濤;;基于蟻群優(yōu)化的模糊神經(jīng)網(wǎng)絡(luò)控制器的應(yīng)用研究[J];工礦自動(dòng)化;2009年03期

6 劉延風(fēng);劉三陽(yáng);;基于蟻群優(yōu)化的置換流水車(chē)間調(diào)度算法[J];系統(tǒng)工程與電子技術(shù);2008年09期

7 姜萬(wàn)錄;劉偉;張瑞娟;陳海軍;;基于蟻群優(yōu)化的神經(jīng)網(wǎng)絡(luò)智能PID控制策略研究[J];機(jī)床與液壓;2010年13期

8 朱思峰;劉方;柴爭(zhēng)義;;一種基于蟻群優(yōu)化的無(wú)線傳感器網(wǎng)絡(luò)路由算法[J];北京理工大學(xué)學(xué)報(bào);2010年11期

9 舒期梁;趙麗萍;;基于改進(jìn)蟻群優(yōu)化的無(wú)線傳感器網(wǎng)絡(luò)路由算法[J];計(jì)算機(jī)測(cè)量與控制;2011年05期

10 吳文鐵;宋曰聰;李敏;;蟻群優(yōu)化神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量混沌預(yù)測(cè)[J];計(jì)算機(jī)工程與應(yīng)用;2012年34期

相關(guān)會(huì)議論文 前1條

1 姜萬(wàn)錄;劉偉;張瑞娟;陳海軍;;基于蟻群優(yōu)化的神經(jīng)網(wǎng)絡(luò)智能PID控制策略研究[A];中國(guó)機(jī)械工程學(xué)會(huì)流體傳動(dòng)與控制分會(huì)第六屆全國(guó)流體傳動(dòng)與控制學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)博士學(xué)位論文 前7條

1 胡小兵;蟻群優(yōu)化原理、理論及其應(yīng)用研究[D];重慶大學(xué);2004年

2 馬希驁;概率粗糙集屬性約簡(jiǎn)理論及方法研究[D];西南交通大學(xué);2014年

3 唐孝;基于粗糙集的知識(shí)發(fā)現(xiàn)方法及其在ECG信號(hào)識(shí)別中的應(yīng)用[D];電子科技大學(xué);2015年

4 曾凱;鄰域粒化粗糙計(jì)算的關(guān)鍵技術(shù)研究與應(yīng)用[D];電子科技大學(xué);2015年

5 王永生;基于粗糙集理論的動(dòng)態(tài)數(shù)據(jù)挖掘關(guān)鍵技術(shù)研究[D];北京科技大學(xué);2016年

6 馬周明;基于邊界域的多粒度粗糙集及其相關(guān)度量[D];河北師范大學(xué);2017年

7 孔芝;粗糙集理論若干問(wèn)題的研究與應(yīng)用[D];東北大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 王樂(lè)衡;考慮多元設(shè)備類(lèi)型的超啟發(fā)式跨單元調(diào)度方法[D];北京理工大學(xué);2015年

2 翟晨汐;基于蟻群優(yōu)化的視覺(jué)板球系統(tǒng)的直接自適應(yīng)模糊滑�？刂芠D];大連理工大學(xué);2015年

3 伍祥紅;基于蟻群優(yōu)化的自主水下機(jī)器人路徑?jīng)Q策方法研究[D];哈爾濱工程大學(xué);2007年

4 唐迪;基于打分準(zhǔn)則和微粒群算法的基因選擇方法研究[D];江蘇大學(xué);2017年

5 仵振東;基于蟻群優(yōu)化的遙感影像分類(lèi)研究[D];安徽理工大學(xué);2014年

6 曹濤;基于聚類(lèi)的混合基因選擇方法研究[D];湖南大學(xué);2011年

7 劉偉;基于蟻群優(yōu)化的神經(jīng)網(wǎng)絡(luò)智能PID控制策略研究[D];燕山大學(xué);2010年

8 任平;基于蟻群優(yōu)化的WSN路由算法研究[D];西安科技大學(xué);2012年

9 吳希賢;基于優(yōu)化算法的基因選擇與癌癥分類(lèi)[D];湖南大學(xué);2008年

10 陸燕;基于啟發(fā)式聚類(lèi)的混合特征基因選擇方法研究[D];湖南大學(xué);2010年

，

本文編號(hào)：1714629