[发明专利]一种带约束小生境粒子群优化的集成特征选择方法及系统

说明书

技术领域

本发明涉及特征选择和识别领域，尤其涉及一种带约束小生境粒子群 优化的集成特征选择方法及系统。

背景技术

生物组学数据主要是包括基因组学、蛋白质组学、代谢组学、转录组 学、免疫组学、脂类组学等组学数据的统称。通过生物组学数据的分析可 以帮助我们深入了解很多生物过程和疾病机理，识别到相关的生物标记物。 分类学习是生物组学中最常见的分析手段之一。然而，生物组学数据所具 有的高维小样本特点对分类学习性能表现形成一大挑战。通过使用特征选 择技术，可以剔除无关或冗余特征，使特征数量和样本数量处于相对均衡 的比例从而提高分类准确率和分类结果的可解释性。

根据是否使用学习方法评估特征子集，可以将特征选择方法分为主要 的三类：(1)过滤式方法(FilterMethods)；(2)封装式方法(WrapperMethod)； (3)嵌入式方法(EmbeddedMethod)。过滤式方法根据数据特征的统计分 布特性对特征的优劣性进行评估。由于过滤式方法没有考虑学习方法，它 选取的特征子集往往不能满足学习方法的要求。封装式方法正好相反，封 装式方法使用学习方法对候选特征子集进行测试，可以找到更加匹配学习 方法的特征子集。嵌入式方法把特征选择过程嵌入到分类学习训练过程中， 此类方法只适用于某些特定类型的分类学习过程。

如何在高维空间中寻找与识别问题高度相关的特征子集(最优或次优 特征所组成的集合)是特征选择技术的关键。常用的特征选择搜索方法包 括：穷举搜索、启发式搜索、随机搜索。生物启发式进化算法具有在高维 空间中全局最优值收敛速度快等特点，已被越来越多地应用于特征选择问 题。如基于遗传算法(GeneticAlgorithm,GA)和差分进化(Differential Evolution,DE)的特征选择方法在相关的高维特征选择问题都获得了成功， 粒子群优化(ParticleSwarmOptimization,PSO)因其较高搜索效率，也常 被用作特征子集搜索方法。

上述搜索方法只能获得一个最优或次优特征子集，而根据此单一子集 建立的分类器在小样本生物组学数据上容易产生过拟合，影响分类模型泛 化性能。

因此，现有技术还有待于改进和发展。

发明内容

鉴于上述现有技术的不足，本发明的目的在于提供一种带约束小生境 二进制粒子群优化方法及系统，旨在解决现有的特征选择方法容易在小样 本生物组学数据上产生过拟合、影响分类泛化性能的问题。

本发明的技术方案如下：

一种带约束小生境粒子群优化的集成特征选择方法，其中，包括步骤：

A、采用带约束小生镜粒子群优化算法对训练数据集进行处理，以对训 练数据集中的粒子位置和速度进行优化，形成K个最优或次优特征子集；

B、将这K个最优或次优特征子集对应过滤为K个子训练数据集，在 每一个子训练数据集上进行分类学习并建立对应的K个基分类器，将测试 数据集分别在这K个基分类器上做分类预测并投票决策最后的分类结果。

所述的带约束小生境粒子群优化的集成特征选择方法，其中，对训练 数据集中的粒子位置和速度进行优化时，在第t次迭代时，记粒子群中第i 个粒子的位置为X_i^t＝(x_i1^t,x_i2^t,…,x_iM^t)，M为搜索空间维数，其中X_i^t表示第i 个粒子所选择的特征集合，x_ij^t表示第i个粒子所代表的特征集合中第j个特 征的选择状态：置位1表示被选中，清零0表示未被选中。

所述的带约束小生境粒子群优化的集成特征选择方法，其中，第i个粒 子在第t次迭代时，其第j个特征的速度为v_ij^t，位置为x_ij^t，则有：