[发明专利]一种基因分类方法及相关设备

说明书

本发明公开了一种基因分类方法及相关设备，方法包括：对输入的作为训练样本的基因数据进行标准化处理，基因数据包括若干属性；以训练样本与异类近邻样本的间隔与训练样本与同类近邻样本的间隔的差值，以及对应属性的权重向量建立表示所有训练样本的期望间隔差的逻辑回归优化函数，并以对应属性的权重向量为范数约束项建立最小化优化模型，通过迭代运算计算得到对应属性的权重向量；根据得到的权重向量的值对属性特征排序，根据排序后的属性特征对作为训练样本的基因数据进行分类训练，获得作为分类根据的最优特征集，以对待分类基因数据进行分类。本发明提供的基因分类方法及相关设备，能够获得较高的分类精度。

技术领域

本发明涉及数据处理技术领域，特别是涉及一种基因分类方法及 系统。本发明还涉及一种基因分类装置以及一种计算机可读存储介质。

背景技术

近年来，对癌症疾病的研究受到医学领域以及生物学领域越来越 多研究者的关注。其中，DNA微阵列技术能够从基因角度对癌症疾病 进行研究，是当前采用的研究手段之一。DNA微阵列(DNA microarray) 也称基因芯片，是在一块特殊基片上分布有DNA微阵列涂层，经由 一次测验，能够测定出成千上万个基因的表达数据，为疾病研究提供 数据基础。

在获得大量的基因表达数据之后，需要从中选择出携带重要疾病 信息的基因，即根据基因携带的信息对基因进行分类，现有技术中是 通过机器学习方法进行。然而，由于所研究的癌症基因表达数据样本 很少，而每一样本包含的基因维数成千上万，因此这种方法需要大量 的计算资源；并且，在这些基因中只有部分基因是对基因分类问题起 决定性作用的。这些问题都导致采用传统的机器学习方法具有很大困 难，并不能得到令人满意的分类结果。

发明内容

有鉴于此，本发明提供一种基因分类方法及相关设备，能够获得 较高的分类精度。

为实现上述目的，本发明提供如下技术方案：

一种基因分类方法，包括：

对输入的作为训练样本的基因数据进行标准化处理，所述基因数 据包括若干属性；

以训练样本与异类近邻样本的间隔与训练样本与同类近邻样本 的间隔的差值，以及对应属性的权重向量建立表示所有训练样本的期 望间隔差的逻辑回归优化函数，并以对应属性的权重向量为范数约束 项建立最小化优化模型，通过迭代运算计算得到对应属性的权重向量；

根据得到的权重向量的值对属性特征排序，根据排序后的属性特 征对作为训练样本的基因数据进行分类训练，获得作为分类根据的最 优特征集，以对待分类基因数据进行分类。

可选地，对输入的作为训练样本的基因数据进行标准化处理的方 法包括：对输入的作为训练样本的基因数据进行离差标准化处理或者 标准差标准化处理。

可选地，对输入的作为训练样本的基因数据进行离差标准化处 理，转换函数如下：

其中，输入的训练样本集表示为x_i∈R^I，y_i∈{1,2,…,C} 表示样本x_i的标签，用于表明样本x_i的类别，N表示训练样本的总个 数，I表示基因数据的维数；x_ij表示第i个样本属性j的值，表示取所有训练样本中属性j的最大值，表示取所有训练 样本中属性j的最小值。

可选地，所建立的最小化优化模型表示如下：