1、生物學(xué)相關(guān)信息量的革命性的爆炸，產(chǎn)生了對海量生物信息進行處理的需求；而計算機技術(shù)的革命性發(fā)展，形成了處理海量生物信息的能力。于是，生物信息學(xué)便在綜合計算生物學(xué)的研究和生物學(xué)信息的計算機處理的基礎(chǔ)上迅速而成功地發(fā)展起來。生物信息學(xué)是計算機和網(wǎng)絡(luò)大發(fā)展、各種生物數(shù)據(jù)庫迅猛增長形勢下如何組織數(shù)據(jù)，并從數(shù)據(jù)中提取生物學(xué)新知識的學(xué)問。 微陣列技術(shù)的出現(xiàn)為生物信息學(xué)研究提供了強有力的手段。利用顯現(xiàn)模式(Emerging Patterns,

2、Eps)的基因分類方法通過分析微陣列數(shù)據(jù)，不僅可以識別癌癥樣本，同時可以挖掘出隱含的與癌癥相關(guān)的具有生物意義的基因模式，從基因角度揭示癌癥病理。本文對生物信息學(xué)研究中基于顯現(xiàn)模式的基因分類算法做了一些工作，歸納如下： (1) 介紹了基因分類的發(fā)展概況、微陣列技術(shù)以及常用的分類算法，并通過實驗進行性能評價，為本文后續(xù)章節(jié)的研究提供理論和實驗基礎(chǔ)。 (2) 針對提取顯現(xiàn)模式時在小樣本情況下將頻率近似于概率的缺陷，在熵的計

3、算中引入貝葉斯估計，即通過增加虛擬樣本的方法估計概率從而緩解小樣本下熵度量的不穩(wěn)定性。 (3) 針對PCL（Prediction by Collective Likelihood）分類器的不足，提出一種基于顯現(xiàn)模式的基因分類算法。該算法在引入貝葉斯估計的基礎(chǔ)上，向PCL分類器中加入訓(xùn)練樣本集Eps自身頻率對似然度的影響。通過在急性白血病數(shù)據(jù)集上進行實驗，表明該算法能夠有效提升分類器的性能。 (4) 提出了隨機割點的概

4、念，以加強割點對未知樣本的泛化能力。并結(jié)合貝葉斯估計，獲得高級顯現(xiàn)模式EPA；借鑒KNN思想，提出一種新的基于EPA的基因分類器EPA-KNN。在研究了采用熵及最小描述長度原理挖掘特征基因及其割點的相關(guān)理論之后，本文分析了候選割點的選取原則，引入邊緣點的思想，以縮小候選割點的范圍，節(jié)省搜索候選割點的計算量。但顯現(xiàn)模式中候選割點仍是樣本集合經(jīng)排序后某兩個相鄰樣本表達值的平均，這樣的平均點未必是對未知的測試樣本集分類能力最優(yōu)的割點。隨機割點