摘要: 基因芯片技术为疾病诊断、治疗以及新药物的开发提供了新的方法和手段。同时，基因芯片技术的运用也产生了大量的疾病相关的基因表达数据。对这类数据进行分析和处理，使人们能够从基因分子层面上了解癌症的发病机制，从而更加准确地进行癌症的诊断，... 展开 基因芯片技术为疾病诊断、治疗以及新药物的开发提供了新的方法和手段。同时，基因芯片技术的运用也产生了大量的疾病相关的基因表达数据。对这类数据进行分析和处理，使人们能够从基因分子层面上了解癌症的发病机制，从而更加准确地进行癌症的诊断，引起了人们极大的兴趣。 集成学习方法通过采用多个学习器对同一个问题进行学习，并把多个学习结果按照某一方式融合成一个学习结果，与单个学习器相比，具有更好的鲁棒性和准确性，因而被广泛应用到数据挖掘的各个研究领域，尤其是癌症相关的基因表达数据分析领域。本文主要围绕集成学习方法在癌症相关的基因表达数据分类中的运用展开研究。 针对传统排序聚合方法可能忽视单次排序中得分较高的基因以及所产生的基因子集内存在冗余基因的问题，采用近邻传播聚类的方法从所有单次排序得分较高的前TopK个基因中选择具有代表性的、互不关联的基因用于癌症基因表达数据分类。在7个常用的基因表达数据上的实验结果表明本文提出的方法在相同基因个数的条件下具有更好的鲁棒性，同时能够获得较好的分类效果。 针对基因表达数据分析时通常选择一个基因子集用于分类可能造成信息损失的问题，借鉴集成特征选择方法的思想，在排序融合和聚类分组的基础上，从所有基因分组中采用随机选择的方式选择一条基因生成基因子集，重复多次得到多个基因子集并分别训练基分类器，从而得到了多个既存在差异性，又具备区分能力的基分类器，最后采用多数投票进行融合集成。在7个基因表达数据集上的实验结果表明提出的方法分类误差较低，分类性能稳定，可扩展性好。 收起