(19)國家知識產(chǎn)權(quán)局(12)發(fā)明專利地址325006浙江省溫州市甌海區(qū)茶山高教園區(qū)溫州大學(xué)GO6N3/006(2023.01)有限公司11678存儲有基因選擇方法程序的存儲介質(zhì)本發(fā)明提供一種存儲有基因選擇方法程序21.一種計算機(jī)可讀存儲介質(zhì)，其特征在于，所述計算機(jī)可讀存儲介質(zhì)中存儲有計算機(jī)程序，所述計算機(jī)程序適于由處理器執(zhí)行以實現(xiàn)基因選擇方法的步驟，所述基因選擇方法包括以下步驟：步驟S1、通過基因數(shù)據(jù)微陣列數(shù)據(jù)集獲取訓(xùn)練集和測試集，并確定初始化種群；步驟S2、將當(dāng)前種群的每個個體的每個特征值采用轉(zhuǎn)換函數(shù)進(jìn)行二進(jìn)制編碼；步驟S3、計算當(dāng)前種群的適應(yīng)度值，并更新樽海鞘和飛蛾撲火策略中的相關(guān)參數(shù)；步驟S4、設(shè)置正余弦優(yōu)化算法的相關(guān)參數(shù)，并采用正余弦優(yōu)化算法迭代公式更新種群；步驟S5、將通過正余弦算法獲取的種群依次通過樽海鞘，飛蛾撲火和反向?qū)W習(xí)策略進(jìn)步驟S6、通過貪婪選擇選出下一代種群；步驟S7、若達(dá)到最大迭代次數(shù)，則結(jié)束循環(huán)并輸出最優(yōu)解，否則繼續(xù)迭代直至迭代計算結(jié)束；其中，在步驟S2中將種群X?中的每個個體的每個特征值通過公式(1)和公式(2)模擬成一個二進(jìn)制編碼值；其中，X,;表示第t次迭代中產(chǎn)生的第i個個體的第j個特征值，r是一個[0,1]的隨機(jī)數(shù)，B,;表示第t次迭代中產(chǎn)生的第i個個體的第j個二進(jìn)制編碼值，Sig均表示sigmoid函數(shù)；在步驟S3中，采用公式(3)和公式(4)計算所述種群X的適應(yīng)度值，并更新樽海鞘策略中使用的最優(yōu)解和飛蛾撲火策略中涉及的火焰F和飛蛾M,其中火焰F?是上述種群X所得的適應(yīng)度值按從小到大的順序重新組合而成的種群，飛蛾M為X;其中，F(xiàn)itness:表示第i個個體的適應(yīng)度值，acc;表示分類準(zhǔn)確率，w表示分類準(zhǔn)確權(quán)表示分類錯誤的樣本數(shù)目；在所述步驟S4中，設(shè)置正余弦優(yōu)化算法的相關(guān)參數(shù)r?,r?,r?和r4,并采用公式(5)更新得到新種群：3表示在t+1次迭代下產(chǎn)生的第i個個體的第j個特征值，是由公式(1)和(2)產(chǎn)生的在t次迭代下的第i個體的第j個二進(jìn)制編碼值，P表示在t次迭代下采用公式(3)和公式二進(jìn)制編碼種群中最小適應(yīng)度值所對應(yīng)個體的第j個二進(jìn)制編碼值。2,采用公式(6)進(jìn)行更新得到前一半轉(zhuǎn)置種群；當(dāng)i>N/2且i<N+1,采用公式(7)進(jìn)行更新得的隨機(jī)數(shù)，表示在t次迭代下采用公式(3)和公式(4)獲取二進(jìn)制編碼種群中最小適應(yīng)度值對應(yīng)個體的第j個二進(jìn)制編碼值，ub;是第j維度的上界值，1b;是第j維度的下界值，迭代下當(dāng)前種群x+1的第1-1個體在第j維度轉(zhuǎn)置值，是在t+1次迭代下利用樽海鞘更新策略獲取的第i個體在第j維度轉(zhuǎn)置值；其次，飛蛾撲火更新策略是采用飛蛾的導(dǎo)航方式，將火焰4最后，反向?qū)W習(xí)策略是基于原始解決方案對稱的反向解決方案；采用公式(11)獲取當(dāng)前種群的反向種群0t+1;第j維度值。4.如權(quán)利要求3所述的計算機(jī)可讀存儲介質(zhì)，其特征在于，將步驟S5中獲取的三個種群st+1,Mt+1和0+1,根據(jù)公式(3)和公式(4)求適應(yīng)度值，并從小到大進(jìn)行排序，篩選前N個適應(yīng)度小的個體作為下一代種群x+1,其中N同上，為訓(xùn)練樣本個體數(shù)量。5.如權(quán)利要求4所述的計算機(jī)可讀存儲介質(zhì)，其特征在于，若達(dá)到最大迭代次數(shù)，則結(jié)束循環(huán)并輸出最優(yōu)解，否則迭代次數(shù)加1,并返回步驟S2。6.一種基因表達(dá)數(shù)據(jù)的除噪裝置，包括存儲器和處理器，所述存儲器存儲有計算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計算機(jī)程序時采用權(quán)利要求1～5中任一項的基因選擇方法去除與樣本分類無關(guān)的基因表達(dá)數(shù)據(jù)。5存儲有基因選擇方法程序的存儲介質(zhì)背景技術(shù)檢測有助于確定各種疾病的癥狀和原因。隨著生物醫(yī)學(xué)和健康領(lǐng)域相關(guān)技術(shù)的快速發(fā)展，67表示在t+1次迭代下產(chǎn)生的第i個個體的第j個特征值，B?是由公式(1)和(2)產(chǎn)生的在t次迭代下的第i個體的第j個二進(jìn)制編碼值，P表示在t次迭代下采用公式(3)和公式當(dāng)i<N/2,采用公式(6)進(jìn)行更新得到前一半轉(zhuǎn)置種群；當(dāng)i>N/2且i<N+1,采用公式(7)進(jìn)行,+和,+和t分別為當(dāng)前迭代次數(shù)和最大迭代次數(shù)，c?和C,是T033】其中，[0,1]的隨機(jī)數(shù)，P表示在t次迭代下采用公式(3)和公式(4)獲取二進(jìn)制編碼種群中最小更新策略獲取的第i個體在第j維度轉(zhuǎn)置值；[0038]其中，為第t+1次迭代下第i飛蛾個體的第j維度值，為第t+18取當(dāng)前種群的反向種群0t+1;體的第j維度值。據(jù)公式(3)和公式(4)求適應(yīng)度值，并從小到大進(jìn)行排序，篩選前N個適應(yīng)度小的個體作為下[0043]根據(jù)本發(fā)明又一方面，在步驟S7中，若達(dá)到最大迭代次數(shù)，則結(jié)束循環(huán)并輸出最優(yōu)解，否則迭代次數(shù)加1,并返回步驟S2。[0044]本發(fā)明實施例還提供了一種基因選擇裝置，包括存儲器和處理器，所述存儲器存儲有計算機(jī)程序，所述處理器執(zhí)行所述計算機(jī)程序時實現(xiàn)前述的基因選擇方法的步驟。[0045]本發(fā)明還提供了一種基因表達(dá)數(shù)據(jù)的除噪方法，其特征在于采用前述的基因選擇方法去除與樣本分類無關(guān)的基因表達(dá)數(shù)據(jù)。[0047]針對基因微陣列數(shù)據(jù)的特點，將樽海鞘策略、飛蛾撲火策略和反向?qū)W習(xí)策略結(jié)合到SCA算法中，大大減少了由無關(guān)基因引起的計算負(fù)擔(dān)和“噪聲”,甚至可以提取規(guī)則，同時簡化了基因表達(dá)測試，能顯著降低附圖說明[0048]為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，根據(jù)這些附圖獲得其他的附圖仍屬于本發(fā)明的范疇。[0049]圖1為本發(fā)明實施例一提供的基因選擇方法的流程圖。具體實施方式[0050]為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明作進(jìn)一步地詳細(xì)描述。[0051]根據(jù)本發(fā)明一種優(yōu)選實施方式，如圖1所示，提供了一種基因選擇(篩選)方法，所述方法包括以下步驟：[0052]步驟S1、通過基因數(shù)據(jù)微陣列數(shù)據(jù)集獲取訓(xùn)練集和測試集，并確定初始化種群；[0053]步驟S2、將當(dāng)前種群的每個個體的每個特征值采用轉(zhuǎn)換函數(shù)進(jìn)行二進(jìn)制編碼；[0054]步驟S3、計算當(dāng)前種群的適應(yīng)度值，并更新樽海鞘和飛蛾撲火策略中的相關(guān)參數(shù)；[0055]步驟S4、設(shè)置正余弦優(yōu)化算法的相關(guān)參數(shù)，并采用正余弦優(yōu)化算法迭代公式更新種群；[0056]步驟S5、將通過正余弦算法獲取的種群依次通過樽海鞘，飛蛾撲火和反向?qū)W習(xí)策9用所謂K-折疊交叉驗證的驗證方法估計分類錯誤。本發(fā)明在分類過程求解精確度時使用[0067]其中，X;,j表示第t次迭代中產(chǎn)生的第i個個體的第j個特征值，r是一個[0,1]的隨其中火焰F具體是上述所得種群X的適應(yīng)度值以從小到大的順序重新組合而成的種群F,[0069]KNN分類方法是依據(jù)測試樣本與訓(xùn)練樣本的距離來判斷待測樣本屬于哪個類別，一般選取與測試樣本距離最近的K個樣本。當(dāng)K=1,待測樣本具體計算方式如下[0080]具體例如為，設(shè)置正余弦優(yōu)化算法的相關(guān)參數(shù)r?,r表示在t+1次迭代下產(chǎn)生的第i個個體的第j個特征值，B,;是由公式(1)和(2)產(chǎn)生的在t次迭代下的第i個體的第j個二進(jìn)制編碼值，P表示在t次迭代下采用公式(4)和公式公式(8)進(jìn)行更新得到后一半轉(zhuǎn)置種群，最后綜合轉(zhuǎn)置種群并再實施轉(zhuǎn)置得到新種群St+1,更新策略獲取的第i個體在第j維度轉(zhuǎn)置值；[0092]其中，為第t+1次迭代下第i飛蛾個體的[0099]根據(jù)本發(fā)明一種優(yōu)選實施方式，相對于本發(fā)明實施例一中提供的一種基因選擇方法，本發(fā)明實施例二又提供了一種基因選擇裝置，包括存儲器和處理器，存儲器存儲有計算機(jī)程序，其中，處理器執(zhí)行計算機(jī)程序時實現(xiàn)本發(fā)明實施例一中的基因選擇方法的步驟。應(yīng)當(dāng)說明的是，本發(fā)明實施例二中處理器執(zhí)行計算機(jī)程序的過程，與本發(fā)明實施例一中提供的一種基因選擇方法中各個步驟的執(zhí)行過程一致，具體可參見前述相關(guān)內(nèi)容描述。[0100]根據(jù)本發(fā)明一種優(yōu)選實施方式，本發(fā)明還提供了一種基因表達(dá)數(shù)據(jù)的除噪方法，其特征在于采用前述的基因選擇方法去除與樣本分類無關(guān)的基因表達(dá)數(shù)據(jù)。[0102]針對基因微陣列數(shù)據(jù)的特點，將樽海鞘策略、飛蛾撲火策略和反向?qū)W習(xí)策略結(jié)合到SCA算法中，大大減少了由無關(guān)基因引起的計算負(fù)擔(dān)和“噪聲”,甚至可以提取簡單的檢測規(guī)則，同時簡化了基因表達(dá)測試，能顯著降低檢測的成本。[0103]本領(lǐng)域普通技術(shù)人員可以理解實現(xiàn)上述實施例方法中的全部或部分步驟是可以通過程序來指令相關(guān)的硬件來完成，所述的程序可以存儲于一計算機(jī)可讀取存儲介質(zhì)中，[0104]以上所揭露的僅為本發(fā)明較佳實施例而已，當(dāng)然不能以此來限定本發(fā)明之權(quán)利范圍，因此依本發(fā)明權(quán)利要求所作的等同變化，仍屬本發(fā)明