结肠癌基因表达谱的分类检测问题研究

随着大规模基因表达谱技术的发展,基于基因表达谱的癌症诊断方法正在成为临床医学上一种快速有效的诊断方法,但是由于基因表达数据维数过高、样本量小、噪声大,使得正确提取有关癌症的特征基因成为关键。以结肠癌肿瘤的基因表达谱数据为例,提出了结合Fisher权函数、离散傅里叶变换和主成分分析的混合特征基因提取方法,以多元Logistic回归分析和贝叶斯决策作为分类器进行肿瘤分类检测。实验结果表明,该方法对于结肠癌数据集CV识别准确率高达96.80%。     

确定肿瘤基因表达谱特征基因方法的研究

分析了目前基因表达谱提取特征基因所采用的方法,提出了Fisher权函数和主成份分析结合离散余弦变换的混合特征基因提取方法,以多元Logistic回归分析作为分类器进行肿瘤分类检测。该方法具有以下特点：根据基因表达数据维数高样本量小的特点,使用Fisher权函数对数据进行预处理,简单有效地得到特征基因候选集;利用离散余弦变换（Discrete Cosine Transform,DCT）的能量压缩特性,提高特征基因主成份的显现效果,有效提取特征基因信息。实验结果表明,该方法对结肠癌数据集的CV识别准确率高达95.20%.     

基亏基因片段分解的粒子群算法求解置换Flowshop问题

针对粒子群算法在求解置换流水车间调度问题时容易早熟的现象,提出了一种基于基因片段分解的粒子群优化算法求解置换流水车间调度问题。首先。对工件加工顺序采用了基因片段分解的方法,个体的初始值是随机生成的。但是初始种群采用贪婪方法得到。然后,通过加入综合学习策略和增强基因片段间的合作来提高该算法的全局搜索能力。对基因片段最优解进行交换局部搜索。最后,通过对Rec系列20个子问题的仿真测试,得出该算法在每个子问题上都取得了优于粒子群算法的解。仿真结果表明该算法收敛速度快,且具有较高的求解质量。     

基于基因片段分解的粒子群算法求解置换Flowshop问题

针对粒子群算法在求解置换流水车间调度问题时容易早熟的现象,提出了一种基于基因片段分解的粒子群优化算法求解置换流水车间调度问题。首先,对工件加工顺序采用了基因片段分解的方法,个体的初始值是随机生成的,但是初始种群采用贪婪方法得到。然后,通过加入综合学习策略和增强基因片段间的合作来提高该算法的全局搜索能力,对基因片段最优解进行交换局部搜索。最后,通过对Rec系列20个子问题的仿真测试,得出该算法在每个子问题上都取得了优于粒子群算法的解。仿真结果表明该算法收敛速度快,且具有较高的求解质量。