[发明专利]马尔科夫毯嵌入式的基于封装的基因选择方法

权利要求书

1.一种马尔科夫毯嵌入式的基于封装的基因选择方法，是应用于由m个实例组成的数据集Data中，记为Data＝{inst₁,inst₂,…,inst_i,…,inst_m}，Data为微阵列基因表达数据；inst_i表示第i个实例；1≤i≤m；第i个实例inst_i由n个基因和一个类别变量C_i组成，F_i为微阵数据中的基因，C_i为微阵列样本对应的类别；表示第i个实例inst_i中第j个基因，1≤j≤n；由m个实例的第j个基因组成第j个基因向量，记为从而获得由n个基因向量所构成的数据集Data的基因向量，记为D＝{f₁,f₂,…,f_j,…,f_n}；由m个实例的类别变量组成类别向量，记为C＝{C₁,C₂,…,C_i,…,C_m}；其特征是，所述基因选择方法是按如下步骤进行：

步骤1、定义循环次数k，并初始化k＝1；定义基因子集S，并初始化

步骤2、根据基因子集S，利用五折交叉验证方法从基因向量D中选择能与基因子集S构成最优基因组的第k次循环的最优基因，记为

步骤3、判断是否成立，若成立，则表示完成基因选择，并获得基因子集S；若不成立，则将第k次循环的最优基因加入基因子集S中，从而获得更新的基因子集S′；

步骤4、将更新的基因子集S′赋值给基因子集S；

步骤5、利用马尔科夫毯方法从基因向量D中删除第k次循环的最优基因以及与第k次循环的最优基因相冗余的基因，从而获得更新的基因向量D′；

步骤6、将更新的基因向量D′赋值给基因向量D；

步骤7、判断基因向量D是否为空集，若为空集，则表示完成基因选择，并获得基因子集S；若不为空集，则将k+1赋值给k；并返回步骤2执行。

2.根据权利要求1所述的基因选择方法，其特征是，五折交叉验证方法是按如下步骤进行：

步骤2.1、定义准确率变量为定义标识符为flag，并初始化flag＝false；

步骤2.2、判断是否成立，若成立，则初始化否则，执行步骤2.3；

步骤2.3、将数据集Data映射在基因子集S与类别向量C上，获得约减数据集Data₀；

步骤2.4、将约减数据集Data₀中的实例均分为五份，分别选取其中的每一份作为测试集，剩余的四份作为训练集用于训练分类器，从而获得五个测试准确率，记为acc₀＝{acc₁,acc₂,acc₃,acc₄,acc₅}以及平均准确率，记为

步骤2.5、初始化j＝1；

步骤2.6、将数据集Data映射在基因子集S、类别向量C和第j个基因f_j上，获得第j个约减数据集Data_j；

步骤2.7、将第j个约减数据集Data_j中的实例均分为五份，分别选取其中的每一份作为测试集，剩余的四份作为训练集用于训练分类器，从而获得关于第j个基因f_j的五个测试准确率，记为以及第j个平均准确率，记为

步骤2.8、判断且的个数大于所设定的阈值是否同时满足；当同时满足时，令flag＝true；将第j个基因f_j作为最优基因；并将赋值给从而更新步骤2.9、将j+1赋值给j，判断j≤n是否成立，若成立，则返回步骤2.6执行；若不成立，则判断flag＝true是否成立，若成立，则将第j个基因f_j作为第k次循环的最优基因否则，令后，将第j个基因f_j作为第k次循环的最优基因

3.根据权利要求1或2所述的基因选择方法，其特征是，步骤5中的马尔科夫毯方法是按如下步骤进行：

步骤5.1、定义冗余基因下标集合为index，初始化

步骤5.2、初始化j＝1；

步骤5.3、利用式(1)计算第j个基因f_j与类别变量C之间的相关性SU(f_j,C)：

式(1)，H(f_j)表示第j个基因f_j的信息熵；H(C)表示类别变量C的信息熵；H(C|f_j)表示在第j个基因f_j条件下类别变量C的条件信息熵；

步骤5.4、利用式(2)计算第k次循环的最优基因与类别变量C之间的相关性

步骤5.5、利用式(3)计算第k次循环的最优基因和第j个基因f_j之间相关性

步骤5.6、根据式(4)和式(5)判断第j个基因f_j是否为冗余基因；

若式(4)和式(5)同时成立，则表示第j个基因f_j为冗余基因，并将f_j的下标j加入到冗余基因下标集合index中，从而获得更新的下标集合index′；

步骤5.7、将更新的下标集合index′赋值给冗余基因下标集合index；

步骤5.8、将j+1赋值给j，判断j≤n是否成立，若成立，则返回步骤3执行；否则，执行步骤5.9；

步骤5.9、根据冗余基因下标集合index，从基因向量D中删除下标包含在index中的基因向量。