1、隨著DNA微陣列(DNA microarray)技術(shù)的高速發(fā)展，研究人員可在一次實驗中同時測定成千上萬個基因的表達數(shù)據(jù)，這些數(shù)據(jù)對了解疾病在基因級別的發(fā)病機理、疾病的診斷、基因級別的藥物研制以及基因治療都有著很高的應(yīng)用價值，而且在基因組水平上進行癌癥研究提供了最基本和必要的信息及依據(jù)，在生物學(xué)和醫(yī)學(xué)研究中正受到越來越多的應(yīng)用。然而，在這成千上萬的基因表達數(shù)據(jù)中，只有少量可以研究的樣本，造成了嚴(yán)重的維數(shù)災(zāi)難現(xiàn)象，從而導(dǎo)致分類性能的嚴(yán)重下降

2、，而且在這大量的基因表達數(shù)據(jù)中，有大量冗余的與癌癥分類診斷無關(guān)的噪聲基因，這就造成了對疾病分類的不準(zhǔn)確性，并且數(shù)量如此龐大的基因還大量的耗費了醫(yī)學(xué)診斷的費用。因此選擇出對疾病有鑒別意義的特征基因或與疾病相關(guān)基因至關(guān)重要。特征基因選擇問題是利用生物信息學(xué)技術(shù)處理基因表達數(shù)據(jù)急待解決的關(guān)鍵問題，也是機器學(xué)習(xí)中研究領(lǐng)域中的一個挑戰(zhàn)性課題。 針對基因表達數(shù)據(jù)“高維樣本少”的特點，本論文提出了基于優(yōu)化算法與支持向量機的基因選擇算法，本論文

3、的主要貢獻有三個方面：(1)提出了基于遺傳算法與支持向量機的基因選擇算法，算法在全局的基因集合上尋找優(yōu)秀基因子集，避免一些相關(guān)性強的基因被選擇而影響對疾病樣本的分類效果。(2)提出了基于粒子群算法的基因選擇與支持向量機優(yōu)化的算法，算法在尋找最優(yōu)基因子集的同時，對支持向量機核函數(shù)的參數(shù)進行了優(yōu)化選擇，保證了被選擇的基因子集是較適合優(yōu)化后的支持向量機。(3)提出了基于混合粒子群算法與遺傳算法的基因選擇算法，算法在二進制粒子群算法的基礎(chǔ)上引入