基于最小二乘模糊支持向量机基因分类研究.docVIP

基于最小二乘模糊支持向量机基因分类研究 　　摘 要:随着大量基因表达数据的涌现,把海量的数据划分成数量相对较少的组,有助于提取对生理学和医药学等有价值的生物信息。基因分类技术能够很好地处理和分析这些基因数据。提出了一种应用于基因分类的模糊最小二乘支持向量机方法,通过设置模糊隶属度改变分类中样本的贡献属性。该方法不仅考虑了样本与类中心点的距离关系,还充分考虑样本与样本之间的关系,减弱噪声或野值样本对分类的影响。采用美国威斯康星乳腺癌数据和皮马印第安人糖尿病数据进行实验检测,均取得了很好的效果。 　　关键词:基因微阵列; 基因分类; 最小二乘; 隶属度函数; 模糊支持向量机 　　中图分类号:TP18 　　文献标志码:A 　　 　　文章编号:1001-3695(2010)02-0459-03 　　doi:10.3969/j.issn.1001-3695.2010.02.014 　　 　　Classification of genes based on least squares fuzzy support vector machines 　　 　　LUO Jia-wei, SU Han-mu, CHEN Tao 　　 　　(College of Computer Communications, Hunan University, Changsha 410082, China) 　　 　　Abstract:With the emergence of a large amount of genetic data, divided the mass of data into a relatively small number of group can help to extract of physiology and medicine and other valuable biological information. Gene classification techniques can be very good at handling and analyzing the genetic data. This paper proposed fuzzy least squares support vector machine method which applied to gene classification. Defined the contribution of each sample by setting the fuzzy memberships.By considering the distance not only between the types of samples and the center of classification, but also between the samples and samples, noises and outliers were removed. The performance of the proposed method on the United States Wisconsin breast cancer database (WDBC) data and Pima Indians diabetes(PID) data are all achieved very good results. 　　Key words:gene microarray; gene classification; least squares; membership function; fuzzy support vector machine 　　 　　0 引言 　　20世纪80年代,生物学已进入基因组时代,每天都有大量的DNA序列数据涌现。如何有效地处理和分析这些生物数据,以发现和预测对预防和治疗人类疾病有用的知识和信息,成为生命研究者关注的焦点。为研究癌症与基因之间存在的关联问题,基于微阵列[1]的癌症基因芯片得到了广泛的研究。这种基因表达数据[2]具有数据量大、样本维数非常高、非线性等特点,每个样本都记录了组织细胞中所有测试基因的表达水平,但实际上只有少数基因才真正与样本类别相关,这些包含了样本分类信息的基因被称为分类特征基因。如何有效分析癌症基因表达数据,并利用分类特征基因找出决定样本类别的一系列基因表达规则,对于癌症的诊断与治疗以及药物发现都具有重要意义。 　　近年来基于数据挖掘技术中传统的分类方法如最小生成树[3]、粗糙集[4]、神经网络[5]和遗传算法[6]等被广泛地应用到基因的分类中。刘建丽等人又把Vapnik[7]提出的标准的支持向量机(SVM)方