摘要
肿瘤基因微阵列数据对于肿瘤诊断具有重要意义,由于基因数据具有数据样本少、基因维数高的特点,传统的分类器方法在样本数量不足或远远小于属性维数的情况下,易于陷入"过学习",分类精度较低。本文采用T-test选取获选基因,选取分布差异较大的基因,剔除无关基因,提高实验的整体效率;将支持向量机SVM的惩罚因子加入粒子群算法PSO的粒子编码,PSO同时对候选基因组和SVM参数进行搜索,减少SVM参数的不确定性,以此得到更精确的基因标签,确定好的分类因素。文章最后验证了算法的有效性。
基金
福建省自然科学基金资助项目(2009J01283)
福建省科技计划重点资助项目(2008H0026)
