论文研究基于多目标EDA的特征基因选择.pdf

基因（特征）数远大于条件（样本）数，基因表达数据中往往存在大量噪声，并且生物学或医学工作者期望能从大量的基因中挑选出与疾病诊断有关的标志基因，因此，应用基因表达数据进行疾病分类预测的关键环节是基因选择。目前常用的方法有过滤法和缠绕法。结合过滤法和缠绕法的优点，提出基因选择的多目标分布估计算法（MOEDA）。首先通过打分函数确定MOEDA的候选基因集合，在确定候选基因后，MOEDA通过对KNN分类器的多个性能指标及基因数目等多个目标进行优化，从候选基因中选取综合区分能力最强的特征基因子集