改进的离散PSO和SVM的特征基因选择算法

作者：于化龙; 顾国昌; 刘海波; 沈晶; 朱长明

来源：哈尔滨工程大学学报, 2009, (12): 1399-1403.

• 离散粒子群
• 特征基因
• 支持向量机
• 局部最优 discrete particle swarm optimization
• feature gene
• support vector machine
• local optimum

针对现有的基于粒子群的特征基因选择算法易于陷入局部最优的问题,提出了一种改进的离散粒子群和支持向量机的特征基因选择算法IDPSO-SVM.该算法首先预选一些与分类强相关的基因组成特征基因备选集合,然后基于此集合采用PSO进行寻优搜索,并应用SVM对选出的特征子集的分类能力进行评估,最后得出最优特征子集.该算法加入了一种可以有效克服粒子群在寻优过程中陷入局部最优的机制,因而可以不断探测到新的最优解.该算法在结肠癌与前列腺癌数据集上的分类精度分别达到了96.8%与99.0%,从而证明了其有效性与可行性.

• 出版日期2009
• 单位哈尔滨工程大学