基于ReliefF和蚁群算法特征基因选择方法分析.docVIP

基于ReliefF和蚁群算法特征基因选择方法分析 　　摘要：文章以获得最佳特征分类效果为前提，针对ReliefF算法和蚁群算法，对其在特征基因选择中的运用展开了分析，从而确定了这两种方法对于特征分类的重要意义。 　　关键词：ReliefF；蚁群算法；特征基因选择方法 　　中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2017）32-0199-02 　　在确定特种基因选择方法时，一般会运用蚁群算法、ReliefF算法。其中，蚂蚁算法主要用于组合优化问题求解的元启发式方法，体现了非常强的健壮性、回馈控制、Agent系统等优势，此外，蚂蚁算法本身所体现的贪心策略、随机策略也在原来的基础上提高了全局搜索水平。通常在微阵列数据当中，经常出现标记错误或者类别标签错误的样品，这时便可以运用蚁群算法，利用不同特征的冗余性组织分析，将以上相关问题合理解决。Relief算法则是一种非常经典的Filter 方法，也是一种非常普及、高效率的维数约简法。Relief算法中包含了Relief、Relief和ReliefF，ReliefF更多使用与多分类、数据不足、噪声等问题的求解。Relief 算法的时间复杂程度比较低，使用时也不需要分类精度这种评价函数，然而因为该算法是以特征权重算法为基础，所以在选择特征时只是提升与标签相关的特征权重值，将权重值低特征予以剔除，这样一来就无