基于离散粒子群优化和邻域约简的基因特征选择算法

doi:10.3969/j.issn.1000-3428.2016.03.034

计算机工程

基于离散粒子群优化和邻域约简的基因特征选择算法

张哲,孙丽君

(同济大学计算机科学与技术系,上海 201804)

收稿日期:2015-09-06 出版日期:2016-03-15 发布日期:2016-03-15
作者简介:张哲(1992-),男,硕士研究生,主研方向为智能信息处理、粒计算;孙丽君,副教授。
基金项目:
国家自然科学基金资助项目“粒计算中的不确定性分析与研究”(61273304);上海市自然科学基金资助项目“基于MapReduce的多粒度主流形学习研究”(14ZR1442600)。

Gene Feature Selection Algorithm Based on Discrete Particle Swarm Optimization and Neighborhood Reduction

ZHANG Zhe,SUN Lijun

(Computer Science and Technology Department,Tongji University,Shanghai 201804,China)

Received:2015-09-06 Online:2016-03-15 Published:2016-03-15

摘要/Abstract

摘要：

针对离散粒子群优化算法进行基因特征选择容易陷入局部最优解的问题,提出一种基于离散粒子群优化和邻域约简的组合优化算法。利用邻域约简挖掘基因数据本身蕴含知识的特点,依据决策属性对条件子集的依赖度构造离散粒子群优化算法中的优化函数,根据优化函数值的大小引导粒子搜索最优基因特征子集,从而解决局部最优的问题。实验结果表明,与粒子群优化和遗传算法的混合优化算法、优化的邻域粗糙集等算法相比,该算法能够获得较高的分类准确度。

关键词: 离散粒子群优化, 局部最优解, 邻域约简, 粗糙集, 基因微阵列, 特征选择

Abstract:

Aiming at the problem that the gene feature selection based on discrete Particle Swarm Optimization(PSO) algorithm is easy to fall into local optimal solution,a combined optimization algorithm based on discrete PSO and neighborhood reduction is proposed.Neighborhood reduction can effectively excavate gene data.The optimization function of the discrete PSO algorithm is constructed based on the dependence of the conditional subset of decision attributes.According to the optimization function value,it guides the particle to search the optimal gene feature subset,so as to solve the problem of local optimum.Experimental results show that the algorithm can obtain higher classification accuracy compared with hybrid optimization algorithm based on PSO and genetic algorithm,optimized neighborhood rough set,etc.

Key words: discrete Particle Swarm Optimization(PSO), local optimal solution, neighborhood reduction, rough set, gene microarray, feature selection

中图分类号:

TP18

张哲,孙丽君. 基于离散粒子群优化和邻域约简的基因特征选择算法[J]. 计算机工程, doi: 10.3969/j.issn.1000-3428.2016.03.034.

ZHANG Zhe,SUN Lijun. Gene Feature Selection Algorithm Based on Discrete Particle Swarm Optimization and Neighborhood Reduction[J]. Computer Engineering, doi: 10.3969/j.issn.1000-3428.2016.03.034.

参考文献

参考文献［1］Golub T R,Slonim D K,Tamayo P,et al.Molecular Classification of Cancer:Class Discovery and Class Prediction by Gene Expression Monitoring［J］.Science,1999,286(114):307314. ［2］关健,韩飞,杨善秀.基于粒子群优化和判别熵信息的基因选择算法［J］.计算机工程,2013,39(11):187190. ［3］Liu Huiqing,Li Jinyan,Wong L.A Comparative Study on Feature Selection and Classification Methods Using Gene Expression Profiles and Proteomic Patterns［J］.Genome Informatics,2002,13:5160. ［4］Li Shutao,Wu Xixian,Tan Mingkui.Gene Selection Using Hybrid Particle Swarm Optimization and Genetic Algorithm［J］.Soft Computing,2008,12(11):10391048. ［5］柴欣,孙劲耀,郭磊,等.改进的BPSO的特征基因选择方法及其在结肠癌检测中的应用研究［J］.计算机科学,2013,40(7):239243. ［6］谢志伟,王志明,骆剑锋.基于 RDSVM 的肿瘤信息基因选择算法［J］.计算机应用与软件,2015,32(5):310313. ［7］Li R.Medical Image Segmentation Based on Watershed Transformation and Rough Sets［C］//Proceedings of the 4th International Conference on Bioinformatics and Biomedical Engineering.Washington D.C.,USA:IEEE Press,2010:15. ［8］唐雅玲.基于相容粗糙集的图形图像信息预检索［J］.计算机辅助设计与图形学学报,2002,14(3):242246. ［9］Maji P,Paul S.Rough Set Based Maximum Relevancemaximum Significance Criterion and Gene Selection from Microarray Data［J］.International Journal of Approximate Reasoning,2011,52(3):408426. (下转第197页) (上接第191页) ［10］Lin T Y,Lin T Y.Granular Computing on Binary Relations I:Data Mining and Neighborhood Systems［J］.Rough Sets in Knowledge Discovery,1998,(2):165166. ［11］胡清华,于达仁,谢宗霞.基于邻域粒化和粗糙逼近的数值属性约简［J］.软件学报,2008,19(3):640649. ［12］Kennedy J,Eberhart R.Particle Swarm Optimization［C］//Proceedings of IEEE International Conference on Neural Networks.Washington D.C.,USA:IEEE Press,1995:19421948. ［13］Kennedy J,Eberhart R C.A Discrete Binary Version of the Particle Swarm Algorithm［C］//Proceedings of IEEE International Conference on Systems,Man,and Cybernetics.Washington D.C.,USA:IEEE Press,1997:41044108. ［14］Alon U,Barkai N,Notterman D A,et al.Broad Patterns of Gene Expression Revealed by Clustering Analysis of Tumor and Normal Colon Tissues Probed by Oligonucleotide Arrays［J］.Proceedings of the National Academy of Sciences of the United States of America,1999,96(12):67456750. ［15］Li Shutao,Wu Xixian,Hu Xiaoyan.Gene Selection Using Genetic Algorithm and Support Vectors Machines［J］.Soft Computing,2008,12(7):693698. ［16］陈涛,洪增林,邓方安.基于优化的邻域粗糙集的混合基因选择算法［J］.计算机科学,2014,41(10):291294. 编辑刘冰

[1]	王旭, 陈永乐, 王庆生, 陈俊杰. 结合特征选择与集成学习的密码体制识别方案[J]. 计算机工程, 2021, 47(1): 139-145,153.
[2]	袁哲明, 杨晶晶, 陈渊. 基于最大信息系数与冗余分摊的特征选择方法[J]. 计算机工程, 2020, 46(8): 101-105.
[3]	吴昌明, 赵兴涛, 柳可鑫. 基于三元组排序局部性的SOCFS改进算法[J]. 计算机工程, 2020, 46(5): 47-53.
[4]	陈良臣, 高曙, 刘宝旭, 陶明峰. 网络流量异常检测中的维数约简研究[J]. 计算机工程, 2020, 46(2): 11-20.
[5]	刘洁, 王铮, 王辉. 基于IMI-WNB算法的垃圾邮件过滤技术研究[J]. 计算机工程, 2020, 46(12): 299-304,312.
[6]	朱文峰, 于舒娟, 何伟. 基于IG_CDmRMR的二阶段特征选择方法[J]. 计算机工程, 2019, 45(9): 183-187,193.
[7]	李抒音, 刘洋. 权重模糊粗糙集的分类规则挖掘算法[J]. 计算机工程, 2019, 45(9): 211-215.
[8]	张波, 周从华, 张付全, 张婷, 蒋跃明. 一种面向SNP选择的模糊聚类算法[J]. 计算机工程, 2019, 45(8): 66-74.
[9]	刘文杰, 江贺. 基于特征选择的软件缺陷报告严重性评估[J]. 计算机工程, 2019, 45(8): 80-85.
[10]	蔡瑞初, 侯永杰, 郝志峰. 基于层级规则树的跨平台基因表达数据分类[J]. 计算机工程, 2019, 45(7): 26-31.
[11]	刘芸,于治楼,付强. 联合耦合字典学习与图像正则化的跨媒体检索方法[J]. 计算机工程, 2019, 45(6): 230-236.
[12]	杨晨晨,马春梅,朱金奇. 基于智能手机的跌倒行为识别算法研究[J]. 计算机工程, 2019, 45(2): 178-183.
[13]	林雨培,陈兰岚,邹俊忠. 基于PSO混合特征选择算法在疲劳驾驶中的应用[J]. 计算机工程, 2019, 45(2): 278-283.
[14]	肖晓丽,吴瑶,周锡玲,廖卓凡. 基于差分进化的两阶段文本特征选择算法[J]. 计算机工程, 2019, 45(2): 303-309,314.
[15]	王运明, 陈波, 周敏, 张云贺. 基于主客观权重判决的异构无线网络接入选择算法[J]. 计算机工程, 2019, 45(11): 107-111,120.

基于离散粒子群优化和邻域约简的基因特征选择算法

Gene Feature Selection Algorithm Based on Discrete Particle Swarm Optimization and Neighborhood Reduction

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10