基于ICA的集成学习系统在基因微阵列数据分析上的应用研究

摘要

基因微阵列技术是一种由物理学、微电子学与分子生物学几个领域综合交叉形成的高新技术，在生物学和医学研究中正受到越来越多的重视和应用。癌症基因微阵列数据分析使得在大规模基因水平上深入研究癌症的发生、扩散和转移等病理特征成为可能，并被公认为癌症研究与治疗的强大工具。然而，由于其高维小样本的特点，基于传统机器学习方法对基因微阵列数据进行研究分析难以取得好的结果。
　　 由于集成学习系统能大幅度提高弱分类器的识别率，因而近年来，集成学习系统受到了研究者的广泛重视，并被应用于各种复杂数据的判别分析上。而基于集成学习的基因微阵列数据分析这个研究领域近年来也吸引了越来越多的研究者。
　　 本文提出一种构造集成学习系统的新方法对基因微阵列数据进行分析。独立分量分析是一种近年新提出的线性变换方法，在微阵列数据分析上已有不少成功的应用。本文借鉴了随机特征选择集成学习系统的构造思路，设计了随机独立分量集成选择系统。这种系统首先使用独立分量分析算法对微阵列数据进行线性变换，之后使用随机选择合适的独立分量子集用于构建基分类器，以确保各个基分类器间的差异度，从而最终构成稳健的集成系统。通过实验验证，这种方法能构成稳健的集成系统。