基因表达微阵列数据分类的多目标启发式算法

2024-05-09 00:58

本文主要是介绍基因表达微阵列数据分类的多目标启发式算法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

#引用

##LaTex

@article{LV201613,
title = “A multi-objective heuristic algorithm for gene expression microarray data classification”,
journal = “Expert Systems with Applications”,
volume = “59”,
pages = “13 - 19”,
year = “2016”,
issn = “0957-4174”,
doi = “https://doi.org/10.1016/j.eswa.2016.04.020”,
url = “http://www.sciencedirect.com/science/article/pii/S0957417416301865”,
author = “Jia Lv and Qinke Peng and Xiao Chen and Zhi Sun”,
keywords = “Microarray, Gene selection, Small number of selected genes, Multi-objective, Heuristic algorithm”
}

##Normal

Jia Lv, Qinke Peng, Xiao Chen, Zhi Sun,
A multi-objective heuristic algorithm for gene expression microarray data classification,
Expert Systems with Applications,
Volume 59,
2016,
Pages 13-19,
ISSN 0957-4174,
https://doi.org/10.1016/j.eswa.2016.04.020.
(http://www.sciencedirect.com/science/article/pii/S0957417416301865)
Keywords: Microarray; Gene selection; Small number of selected genes; Multi-objective; Heuristic algorithm


#摘要

Microarray data 微阵列数据
analytic hierarchy process (AHP)
Univariate Marginal Distribution Algorithm

the fewer the selected genes are, the less cost the disease prognosis expert system is.


#主要内容


##1 特征预选择

a filter-based gene ranking algorithm — mRMR:
特征与类之间的相关性(max-relevance 最大相关)
特征之间的冗余度(min-redundancy 最小冗余)

这里写图片描述

单个特征的性能
为防止丢失在组中表现好的特征,选300个特征


##2 多目标模型

这里写图片描述


##3 MOEDA

多目标the estimation of distribution algorithm (EDA) — MOEDA

elite individuals ( EIs )
regenerated individuals ( RIs )

probabilistic model:

这里写图片描述

classification accuracy (ACC)
the number of selected features (NSF)

Higher and fewer rule. (HFR)
ACC绝对比NSF重要

  • 根据ACC对个体排序
  • 对于相同ACC,根据NSF排序

Forcibly decrease rule. (FDR)
随着演化的进行,计算NSF的上限 — U L l UL^l ULl(逐渐降低)
N L l = q 2 ⌊ l w ⌋ NL^l = \frac{q}{2^{\left\lfloor\frac{l}{w}\right\rfloor}} NLl=2wlq
l l l — 代数
q q q — 预选择的特征数目
w w w — 常数

每个特征对应一个选择概率

mutation rules — 防止落入局部最优
the elite reserved strategy — 防止最优个体丢失

SVM + the radial basis function (RBF)
SVM-RBF
参数: c c c γ \gamma γ

同时优化参数与特征

这里写图片描述

参数计算

这里写图片描述

p ∈ { c , γ } p \in \left\{ c, \gamma \right\} p{c,γ}
max ⁡ p \max_p maxp — 参数最大值
min ⁡ p \min_p minp — 参数最小值
d d d — 二进制字符串的十进制值
l p l_p lp — 二进制字符串的长度
l c = l γ = 25 l_c = l_\gamma = 25 lc=lγ=25
max ⁡ c = 256 \max_c = 256 maxc=256
max ⁡ γ = 16 \max_\gamma = 16 maxγ=16


#4 试验

这里写图片描述

10-fold cross validation

‘the N best features are always not the best N features’.

这里写图片描述

这里写图片描述

这里写图片描述

这里写图片描述

这里写图片描述

这里写图片描述

这篇关于基因表达微阵列数据分类的多目标启发式算法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/971944

相关文章

SQL中如何添加数据(常见方法及示例)

《SQL中如何添加数据(常见方法及示例)》SQL全称为StructuredQueryLanguage,是一种用于管理关系数据库的标准编程语言,下面给大家介绍SQL中如何添加数据,感兴趣的朋友一起看看吧... 目录在mysql中,有多种方法可以添加数据。以下是一些常见的方法及其示例。1. 使用INSERT I

Python使用vllm处理多模态数据的预处理技巧

《Python使用vllm处理多模态数据的预处理技巧》本文深入探讨了在Python环境下使用vLLM处理多模态数据的预处理技巧,我们将从基础概念出发,详细讲解文本、图像、音频等多模态数据的预处理方法,... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

MySQL 删除数据详解(最新整理)

《MySQL删除数据详解(最新整理)》:本文主要介绍MySQL删除数据的相关知识,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录一、前言二、mysql 中的三种删除方式1.DELETE语句✅ 基本语法: 示例:2.TRUNCATE语句✅ 基本语

Java中的雪花算法Snowflake解析与实践技巧

《Java中的雪花算法Snowflake解析与实践技巧》本文解析了雪花算法的原理、Java实现及生产实践,涵盖ID结构、位运算技巧、时钟回拨处理、WorkerId分配等关键点,并探讨了百度UidGen... 目录一、雪花算法核心原理1.1 算法起源1.2 ID结构详解1.3 核心特性二、Java实现解析2.

MyBatisPlus如何优化千万级数据的CRUD

《MyBatisPlus如何优化千万级数据的CRUD》最近负责的一个项目,数据库表量级破千万,每次执行CRUD都像走钢丝,稍有不慎就引起数据库报警,本文就结合这个项目的实战经验,聊聊MyBatisPl... 目录背景一、MyBATis Plus 简介二、千万级数据的挑战三、优化 CRUD 的关键策略1. 查

python实现对数据公钥加密与私钥解密

《python实现对数据公钥加密与私钥解密》这篇文章主要为大家详细介绍了如何使用python实现对数据公钥加密与私钥解密,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录公钥私钥的生成使用公钥加密使用私钥解密公钥私钥的生成这一部分,使用python生成公钥与私钥,然后保存在两个文

mysql中的数据目录用法及说明

《mysql中的数据目录用法及说明》:本文主要介绍mysql中的数据目录用法及说明,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1、背景2、版本3、数据目录4、总结1、背景安装mysql之后,在安装目录下会有一个data目录,我们创建的数据库、创建的表、插入的

Navicat数据表的数据添加,删除及使用sql完成数据的添加过程

《Navicat数据表的数据添加,删除及使用sql完成数据的添加过程》:本文主要介绍Navicat数据表的数据添加,删除及使用sql完成数据的添加过程,具有很好的参考价值,希望对大家有所帮助,如有... 目录Navicat数据表数据添加,删除及使用sql完成数据添加选中操作的表则出现如下界面,查看左下角从左

MySQL中的索引结构和分类实战案例详解

《MySQL中的索引结构和分类实战案例详解》本文详解MySQL索引结构与分类,涵盖B树、B+树、哈希及全文索引,分析其原理与优劣势,并结合实战案例探讨创建、管理及优化技巧,助力提升查询性能,感兴趣的朋... 目录一、索引概述1.1 索引的定义与作用1.2 索引的基本原理二、索引结构详解2.1 B树索引2.2

SpringBoot中4种数据水平分片策略

《SpringBoot中4种数据水平分片策略》数据水平分片作为一种水平扩展策略,通过将数据分散到多个物理节点上,有效解决了存储容量和性能瓶颈问题,下面小编就来和大家分享4种数据分片策略吧... 目录一、前言二、哈希分片2.1 原理2.2 SpringBoot实现2.3 优缺点分析2.4 适用场景三、范围分片