1.一种基于历史数据的癌症疾病基因特征选择方法,其特征在于:包括以下步骤:
步骤A:将癌症疾病基因数据分为训练数据集和测试数据集;
步骤B:利用五折交叉计算训练数据集上所有特征都被选择后的总平均错误率;
步骤C:随机生成初始化特征种群,构造用于评价特征选择方案的适应度函数;
步骤D:将特征种群中的特征选择方案依次记录到特征树中,调整特征选择方案的分布,得到调整后的特征种群,以适应度值最小的特征选择方案作为最优特征选择方案。
步骤E:根据遗传算子和导向搜索算子引导特征种群的进化方向;将特征树所优化的特征种群作为父代种群,利用遗传算子产生子代种群;将最优特征选择方案所在的特征树的位置信息作为搜索方向,利用导向搜索算子加强局部搜索;
步骤F:判断终止条件,若未达到终止条件,重复步骤D~F,若达到终止条件,输出最优特征选择方案,在测试集上验证最优特征选择方案的分类错误率。
2.根据权利要求1所述的一种基于历史数据的癌症疾病基因特征选择方法,其特征在于:步骤B所述的利用五折交叉法计算训练数据集上所有特征都被选择后的平均分类错误率的方法为:将训练数据集平均分成五份,依次选取一份作为测试集,其他四份作为训练集获取错误率 其中CEk表示第k份作为测试集时特征选择方案中分类错误的样本数,N表示测试集的样本总数;从而获得五个错误率,分别记为Erro={erro1,erro2,erro3,erro4,erro5},并计算得到平均错误率
3.根据权利要求2所述的一种基于历史数据的癌症疾病基因特征选择方法,其特征在于:所述初始化特征种群为二维矩阵,表示为P={X1,X2,…,XN},其中N为种群大小;Xi={xi1,xi2,…,xin}为二进制字符串,表示一种特征选择方案;当xij=1时,表示第i个特征选择方案的第j个特征基因被选择,当xij=0时,表示对应的特征未被选择;n表示特征基因总数。
4.根据权利要求3所述的一种基于历史数据的癌症疾病基因特征选择方法,其特征在于:步骤C中构造的适应度函数f为:其中,Np表示当前特征选择方案Xi中被选中的特征数量, 为特征选择方案Xi的平均错误率;α为可变系数,用于调整错误率和选中特征个数在函数中的权重;
其中αt∈[0.15,0.4]为预设参数,t表示当前评价次数,MaxEval为最
大函数评价次数。
5.根据权利要求4所述的一种基于历史数据的癌症疾病基因特征选择方法,其特征在于:步骤D中所述特征树为二叉树,所述的将初始种群中的所有特征选择方案记录到特征树中的方法包括以下步骤;
步骤i:检测特征树内的数据,如果特征树为空,则初始化函数评价次数t=0,i=1,输入MaxEval的设定值,将用于存储优化后的特征选择方案的优化种群P′置空,初始化指针节点Cur_node为空,其表示指针节点指向的特征树节点所存储的特征选择方案,将特征选择方案Xi插入根节点,最优特征选择方案Xbest=Xi,将特征选择方案Xi存储至优化种群P′中,跳转至步骤ii;若特征树非空,直接跳转至步骤ii;
步骤ii:令i=i+1,指针节点Cur_node指向根节点,初始化重复访问标记flag=0;若Cur_node为叶子节点,跳转至步骤iii;若指针节点Cur_node有两个孩子节点,且当前特征选择方案Xi的xi(depth(Cur_node))=Xi(depth(Cur_node))=1,则指针节点Cur_node指向左孩子节点,若Xi(depth(Cur_node))=0,则Cur_node指向右孩子节点;其中depth(Cur_node)表示指针节点Cur_node的深度;重复当前步骤直至指针节点Cur_node为叶子节点;
步骤iii:若当前待插入特征选择方案Xi与指针节点Cur_node相同,则flag=1,令跳转至步骤iv;判断Xi(depth(Cur_node))≠Cur_node(depth(Cur_node))时,跳转至步骤iv;当Xi(depth(Cur_node))=Cur_node(depth(Cur_node))时,分别计算指针节点Cur_node与当前最优特征选择方案Xbest的海明距离d1=hamming(Cur_node,Xbest)和待插入特征选择方案Xi与Xbest的海明距离d2=hamming(Xi,Xbest);
若d1
node)
步骤iv:若Xi(depth(Cur_node))=1,则将Xi作为Cur_node的左孩子节点插入特征树中,将Cur_node作为Cur_node的右孩子节点插入特征树中;若Xi(depth(Cur_node))=0,则将Xi作为Cur_node的右孩子节点插入特征树中,将Cur_node作为Cur_node的左孩子节点插入特征树中;
步骤v:将Xi存储至优化种群P′中,如果f(Xi)
6.根据权利要求5所述的一种基于历史数据的癌症疾病基因特征选择方法,其特征在于:步骤E所述的方法为:将优化种群P′作为遗传算子的父代种群,执行均匀交叉操作和标准位变异操作得到子种群P″,通过导向搜索概率从子种群P″中选择部分特征选择方案执行导向搜索;并将选择出的部分特征选择方案的前osr位替换成最优特征选择方案Xbest的前osr位的值,得到最优种群P″′;将初始种群P与最优种群P″′合并,采用精英环境选择策略,选择进入下一代的种群`P;其中交叉概率pc∈[0.5,0.8],变异概率pr=1/n,导向搜索概率为0.05~0.1。
7.根据权利要求6所述的一种基于历史数据的癌症疾病基因特征选择方法,其特征在于:若t