1、使用機(jī)器學(xué)習(xí)方法分析生物信息學(xué)中的復(fù)雜數(shù)據(jù)是目前重要的研究領(lǐng)域之一。通過(guò)微陣列測(cè)試技術(shù)得到的基因表達(dá)數(shù)據(jù)可以表現(xiàn)任何給定條件下的基因表達(dá)模式，它們可以幫助我們深入地認(rèn)識(shí)諸多生物過(guò)程的本質(zhì)，如基因功能、癌癥(腫瘤)、衰老和藥理等。本文主要研究基于基因表達(dá)數(shù)據(jù)的腫瘤分類和基因功能分類方法，并針對(duì)已有的算法與模型當(dāng)中所存在的問(wèn)題，提出對(duì)算法的改進(jìn)。 針對(duì)基于基因表達(dá)數(shù)據(jù)的腫瘤分類，本文從分類算法和特征基因選擇兩個(gè)方面進(jìn)行了改進(jìn)。在分析

2、了傳統(tǒng)的SVM算法和kNN算法的基礎(chǔ)上，本文將兩者結(jié)合成為一種新的應(yīng)用于腫瘤分類的算法。該算法將SVM視為每類只取一個(gè)代表點(diǎn)的1NN分類器，在對(duì)測(cè)試數(shù)據(jù)進(jìn)行分類時(shí)，依據(jù)測(cè)試樣本與超平面之間的距離決定采用何種分類算法。實(shí)驗(yàn)結(jié)果表明新算法的分類準(zhǔn)確率較傳統(tǒng)的SVM算法和kNN算法有所提高。針對(duì)基因表達(dá)數(shù)據(jù)集具有“樣本數(shù)目少，基因數(shù)目龐大”的特點(diǎn)，本文通過(guò)特征基因選擇提高分類精度。本文提出了一種改進(jìn)的基于相關(guān)性的遞歸特征消除方法(簡(jiǎn)稱為C-R

3、FE)。新方法通過(guò)計(jì)算基因間的相關(guān)性，在尋求數(shù)據(jù)最小冗余的同時(shí)，考慮了如何避免過(guò)度刪除與目標(biāo)表現(xiàn)型相關(guān)的基因。實(shí)驗(yàn)證明，使用新方法選擇特征基因子集可大幅度提高分類性能，特征選擇效率也較高。 對(duì)于基于基因表達(dá)數(shù)據(jù)的基因功能分類，根據(jù)功能類的隸屬關(guān)系，本文給出了基于功能樹(shù)的置信度調(diào)整和基于功能樹(shù)的優(yōu)勢(shì)因子決策兩個(gè)準(zhǔn)則。依據(jù)這兩個(gè)準(zhǔn)則，本文提出了一種改進(jìn)的基于基因功能樹(shù)的基因功能分類算法。新算法在測(cè)試階段可自動(dòng)檢測(cè)出某一基因在某個(gè)功能