[发明专利]基于偏好网格和莱维飞行的多目标粒子群算法的肿瘤关键基因识别方法有效
| 申请号： | 201910903327.2 | 申请日： | 2019-09-23 |
| 公开（公告）号： | CN110782950B | 公开（公告）日： | 2023-09-26 |
| 发明（设计）人： | 韩飞;管天华;孙郁闻天;方升 | 申请（专利权）人： | 江苏大学 |
| 主分类号： | G16B40/20 | 分类号： | G16B40/20;G16B40/30;G16B20/20 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 212013 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于偏好网格和莱维飞行的多目标粒子群算法的肿瘤关键基因识别方法，包括利用分类信息指数对原始基因表达谱数据集进行过滤，得到初级基因池；计算初始基因池中每个基因的基因类别灵敏度信息GCS值，然后通过GCS值对粒子进行编码；以基因子集在极限学习机ELM上的分类准确率和基因子集的规模为目标，构建多目标优化模型；通过建立好的多目标模型搜索出最终的基因子集，识别出肿瘤的关键基因。在多目标优化模型方面，本发明能通过多目标模型在初级基因池里快速高效地识别出数目较少且分类性能较好的关键基因子集。 | ||
| 搜索关键词： | 基于 偏好 网格 飞行 多目标 粒子 算法 肿瘤 关键 基因 识别 方法 | ||
【主权项】：
1.一种基于偏好网格和莱维飞行的多目标粒子群算法的肿瘤关键基因识别方法，其特征在于，包括下列步骤：/n步骤1基因表达谱数据的预处理，包括把原始数据集分成训练集和测试集，利用分类信息指数对原始基因表达谱数据集进行过滤，得到初始基因池；/n步骤2计算初始基因池中每个基因的基因类别灵敏度信息GCS值，然后通过GCS值对粒子进行编码；/n步骤3以基因子集在极限学习机ELM上的分类准确率和基因子集的规模为目标，构建多目标优化模型；/n步骤4提出基于偏好网格和莱维飞行的多目标粒子群算法(MOPSO-PAG-LF)，并用它不断地搜索、评估更新粒子以及维护外部存档，以获得基因子集；/n步骤5如果满足终止条件，则输出最终识别好的肿瘤关键基因，否则转向步骤4。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于江苏大学，未经江苏大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910903327.2/，转载请声明来源钻瓜专利网。
