1、用于腫瘤診斷、預(yù)防以及治療的分子生物標記的識別與驗證是腫瘤基因組研究的重要挑戰(zhàn)。由于臨床試驗以及生物驗證試驗需要大量的時間以及人力，因此選擇一些重要的候選分子生物標記用于驗證是至關(guān)重要的，而在各類腫瘤疾病研究中，基因表達譜數(shù)據(jù)被廣泛用于識別候選特征基因。從機器學(xué)習(xí)的角度看，特征基因選擇可以被認為是高維數(shù)據(jù)的特征選擇，其目的是選擇最優(yōu)的少量特征子集用于解釋樣本表型差別，并且特征基因選擇方法的魯棒性應(yīng)該較好，從而提高機器學(xué)習(xí)方法在臨床診斷中

2、的可信度。為了提高特征基因選擇方法的魯棒性并保證分類準確率，本文提出了一種基于樣本加權(quán)的特征基因選擇方法。
　　 該方法首先依據(jù)不同樣本對于特征選擇方法有不同貢獻的事實，將原特征空間的樣本映射到間距空間以進行樣本間距分析，找出與其他樣本存在顯著區(qū)別的離群樣本，然后為其賦予較小的權(quán)值，以減少其對特征選擇方法的影響，從而提高方法的魯棒性。
　　 然后在樣本加權(quán)的基礎(chǔ)上擴展基本過濾準則，并進行多準則融合以綜合評價基因。該方法由

3、于不僅考慮了多個準則之間的互補性，并且同時充分考慮不同樣本之間的相對重要性，因此它能更全面客觀地評價候選基因，從而進一步提高了算法的魯棒性。緊接著，為了快速地搜索出較優(yōu)的特征基因組合，避免基因相互作用分析中的組合爆炸問題，本文提出利用蟻群算法從篩選后的候選特征基因，結(jié)合利用多準則打分以及基因分類能力構(gòu)成啟發(fā)式信息，以啟發(fā)式地搜索基因組合空間。
　　 最后在真實的數(shù)據(jù)集上進行比較實驗，實驗結(jié)果證明該方法有效保留了因為忽略樣本相對重