多分類器集成系統(tǒng)在基因微陣列數(shù)據(jù)分析中的應(yīng)用.pdf

1、多分類器集成系統(tǒng)是當(dāng)前機器學(xué)習(xí)領(lǐng)域的一個研究熱點。由于使用多個基分類器構(gòu)建的集成系統(tǒng)通常比單個優(yōu)秀的分類器具有更強的泛化能力，因此多分類器集成系統(tǒng)為許多基于傳統(tǒng)模式識別方法很難解決的分類問題提供了新的解決方案。 DNA微陣列技術(shù)是一種由物理學(xué)、微電子學(xué)與分子生物學(xué)等幾個領(lǐng)域綜合交叉形成的高新技術(shù)，該技術(shù)已經(jīng)在醫(yī)學(xué)與生物學(xué)上得到越來越廣泛的應(yīng)用，其中在癌癥分析檢測上的應(yīng)用使得在大規(guī)?；蛩缴仙钊胙芯堪┌Y的發(fā)生、擴散等病理特征成為

2、可能。特別地，進行可靠的癌癥類型診斷與預(yù)測、癌癥關(guān)鍵基因的識別和癌癥的分類已成為當(dāng)前癌癥研究中的兩項重要內(nèi)容。盡管如此，由于微陣列數(shù)據(jù)具有數(shù)據(jù)維數(shù)高、樣本數(shù)少的特點，因而使用常規(guī)的模式識別方法并不能總是獲得理想的結(jié)果。本文主要針對多分類器集成系統(tǒng)在基因微陣列數(shù)據(jù)集上的應(yīng)用進行了深入的分析與探討，并設(shè)計了新的集成系統(tǒng)，以更好地解決微陣列數(shù)據(jù)的分類判別問題。 (1)從機器學(xué)習(xí)的角度分析，癌癥關(guān)鍵基因識別問題的核心是特征選擇問題。本文

3、集合filter方法，分別設(shè)計了基于標準遺傳算法和多目標遺傳算法的集成特征選擇方法。實驗中，首先使用filter方法對基因進行初步篩選，進而使用遺傳算法進一步實現(xiàn)特征選擇，然后將所選擇的一組特征子集分別用于構(gòu)造基分類器，以生成集成特征選擇系統(tǒng)。實驗結(jié)果表明，所設(shè)計的集成特征選擇算法能有效地選擇合適的基因子集，而且這種集成系統(tǒng)獲得了良好的識別性能。 (2)獨立分量分析是一種近幾年來新提出的線性變換方法，它已經(jīng)成功地應(yīng)用在微陣列數(shù)據(jù)

4、分析上。本文借鑒了集成特征選擇方法的思路，設(shè)計了集成獨立分量選擇系統(tǒng)。這種系統(tǒng)首先使用獨立分量分析算法對微陣列數(shù)據(jù)進行線性變換，之后使用遺傳算法選擇合適的獨立分量子集，并分別用于構(gòu)建基分類器。由于使用這種方法能保證各個基分類器間的差異度，因此最后使用投票法將各個基分類器進行組合，即能構(gòu)成穩(wěn)健的集成系統(tǒng)。 (3)在應(yīng)用于微陣列數(shù)據(jù)分析中，通常獨立分量分析算法得到的獨立分量集并不總是可重復(fù)的。本文利用獨立分量集之間的差異，提出一種新

5、的構(gòu)造集成系統(tǒng)的思路。這個集成系統(tǒng)基于多目標遺傳算法，通過對獨立分量分析變換后獲得的不同獨立分量集分別進行篩選，從各個不同的獨立分量集中分別獲得較優(yōu)子集，用以構(gòu)建基分類器。實驗結(jié)果表明，使用這種方法，能夠獲得差異度更大的基分類器，因而最終的集成系統(tǒng)具有更優(yōu)的性能。 (4)旋轉(zhuǎn)森林是一種新提出的多分類器集成系統(tǒng)，其特點在于使用線性變換方法生成旋轉(zhuǎn)矩陣，使數(shù)據(jù)可以投影到不同坐標系中，從而構(gòu)建有差異的分類器。由于這種系統(tǒng)要求數(shù)據(jù)集的特

6、征維數(shù)不能過高，因此不能直接用在基因微陣列數(shù)據(jù)分析判別中。本文使用filter方法對基因微陣列數(shù)據(jù)進行降維，以獲得適合旋轉(zhuǎn)森林的數(shù)據(jù)集。此外，還引入獨立分量分析技術(shù)作為一種新的產(chǎn)生旋轉(zhuǎn)矩陣的方法。在兩個常見數(shù)據(jù)集上的實驗結(jié)果表明，旋轉(zhuǎn)森林在基因微陣列數(shù)據(jù)判別中能獲得較優(yōu)的識別效果，并且基于獨立分量分析的旋轉(zhuǎn)森林能獲得最佳的識別性能。 (5)關(guān)鍵基因選擇與癌癥類別判別方法對處理多類癌癥微陣列數(shù)據(jù)集往往比對兩類癌癥數(shù)據(jù)集更困難。其原

7、因在于對多類問題，每類的樣本數(shù)少，且往往各個類別樣本數(shù)不均衡。本文設(shè)計了一種基于子集成系統(tǒng)的遺傳規(guī)劃，以同時實現(xiàn)特征選擇和類別判定。首先，算法將多類問題分解為多個兩類問題，然后，在遺傳規(guī)劃算法設(shè)計中，使用規(guī)模較小的集成系統(tǒng)(稱為子集成系統(tǒng))來分別處理各個兩類問題，并將這些子集成系統(tǒng)融合起來，以構(gòu)成一個個體。由于每個個體都包含一組子集成系統(tǒng)，因此它具有較強的泛化能力，且能直接處理多類判別問題。本文給出了基于特征的差異度測度，并使用局部優(yōu)化