1、目的:隨著分子生物學(xué)技術(shù)和基因微陣列的不斷發(fā)展，通過定量測(cè)量可以很容易獲取大量的基因表達(dá)譜數(shù)據(jù)，而且得到的數(shù)據(jù)質(zhì)量也越來越高。基因表達(dá)譜數(shù)據(jù)具有維數(shù)高，樣本小，且存在大量噪聲的特點(diǎn)。有研究學(xué)者針對(duì)基因表達(dá)譜數(shù)據(jù)的特點(diǎn)，利用統(tǒng)計(jì)學(xué)習(xí)和模式識(shí)別的方法來對(duì)數(shù)據(jù)進(jìn)行有效的挖掘。目前最為常用的方法是對(duì)表達(dá)譜數(shù)據(jù)進(jìn)行降維，選擇出具有代表性的信息基因，在保證具有較高分類精度的前提下同時(shí)提高學(xué)習(xí)算法的性能和效率。特征選擇通過剔除不相關(guān)和冗余的特征，而達(dá)

2、到降低特征個(gè)數(shù)，提高模型精確性，減少運(yùn)行時(shí)間的目的。目前雖已有了大量的特征選擇算法，但如何針對(duì)基因表達(dá)譜數(shù)據(jù)結(jié)構(gòu)自身特點(diǎn)來選擇最優(yōu)的算法還存在著一定困難。因此本研究結(jié)合生物學(xué)和模式識(shí)別的相關(guān)知識(shí)，通過對(duì)一些常用的特征選擇算法進(jìn)行比較，最終提出一種可供參考的選擇標(biāo)準(zhǔn)。
　　方法:本研究中通過模擬不同特征數(shù)、樣本量、分類情況以及噪聲大小的數(shù)據(jù)集，選用了8個(gè)特征選擇算法，并在3種分類器中進(jìn)行測(cè)試，以分類精確度和計(jì)算復(fù)雜度作為衡量指標(biāo)來對(duì)

3、每一種方法的優(yōu)劣性進(jìn)行評(píng)價(jià)。最后將其應(yīng)用到真實(shí)數(shù)據(jù)集中，并對(duì)每種方法的結(jié)果進(jìn)行分析和比較，選擇出最佳的特征選擇方法。
　　結(jié)果:對(duì)于不同特點(diǎn)的表達(dá)譜數(shù)據(jù)集分別使用三種類別的特征選擇方法來分析都能有效的降低特征維度，通過比較分析后我們發(fā)現(xiàn):SVM-RFE算法在特征數(shù)較少和樣本量較小的時(shí)候有很好的分類結(jié)果;Wrapper SVM算法在較少樣本量和較多PCR特征基因情況下的分類效果較好;Wrapper k-NN算法對(duì)具有較少特征數(shù)和較多

4、的FCR特征基因數(shù)據(jù)集有較好的實(shí)用性;ReliefF算法能很快的從高維數(shù)據(jù)集中獲得特征子集，該算法在特征數(shù)較多和樣本量較大的情況下效果好;mRMR算法同樣適合特征數(shù)較多的情況，并在信噪比較高的情況也有也有很好的效果。
　　結(jié)論:對(duì)腫瘤的類別進(jìn)行劃分并從中挖掘有生物學(xué)含義的知識(shí)時(shí)，信息基因的篩選是非常重要的步驟。對(duì)分類無關(guān)基因的排除可以進(jìn)一步降低數(shù)據(jù)量或減少數(shù)據(jù)的維數(shù)，從而提高分類器的性能。本文從已有的大量特征選擇算法中，選取了一些