基于遗传算法的基因分类

被引：5

作者：

蔡立军 ^{[1
]}

林亚平 ^{[2
]}

卢新国 ^{[1
]}

易叶青 ^{[1
]}

李小龙 ^{[1
]}

机构：

[1] 湖南大学计算机与通信学院

[2] 湖南大学软件学院

来源：

电子学报 | 2006年 / 11期

基金：

湖南省自然科学基金;

关键词：

基因分类; 基因表达阵; 独立分量分析; 遗传算法;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

独立分量分析(ICA)是应用于基因分类的一种统计方法.但独立分量分析中的估计分离矩阵算法主要采用了随机梯度算法、自然梯度算法,这些基于梯度下降的寻优算法很容易陷入局部极值,所得结果不精确.本文提出了一种基于遗传算法的基因分类算法,其基本思想是利用遗传算法代替独立分量分析中的传统的估计分离矩阵算法,对基因表达式数据进行分类,从而克服了结果不精确的问题.分析和实验结果表明,该分类方法获得了更好的分类效果.

引用

页码：2115 / 2119

页数：5