随着计算机技术与信息技术的快速发展,在生物医学方面,越来越多的专家学者开始通过计算机技术来研究基因数据,从而完成对肿瘤的亚型分类与诊断。由于肿瘤基因表达谱数据的高维、小样本等特点,导致在获取数据的过程中掺杂了较多的无关基因以及冗余基因,而且这些信息很容易造成实验结果不理想,影响诊断结果。为了解决此类问题,针对肿瘤基因表达谱数据的特点,如何筛选出低冗余的特征信息,以及如何构造鲁棒性好、泛化能力较强的特征提取算法是本文要研究的重点。主要工作如下:(1)基于信噪比与随机森林的肿瘤特征基因选择方法。针对肿瘤基因表达谱数据的高维度、小样本等特点,传统分类方法会选出大量冗余基因信息,提出了一种基于信噪比与随机森林的肿瘤特征基因选择方法。首先使用信噪比过滤法去除冗余基因,从而获取分类属性较强的初选特征子集;然后采用随机森林算法对初选特征基因子集进行分类得出特征基因子集。实验结果表明,该算法能够快速高效地选择特征基因子集,与其他算法相比,该方法降低了时间复杂度,提高了分类的准确率。(2)为了设计出具有较强鲁棒性的改进的自组织映射(SOM)算法,针对传统的自组织映射算法采用欧式距离难以行之有效地描述基因之间的数值正、负等功能相似性,又考虑到粒子群优化算法的快速收敛性,本文提出了一种基于邻域互信息进行关联度量的SOM分类算法,并与粒子群优化算法相结合来实现最优特征子集的筛选。首先,采用改进的SOM算法对原始基因表达谱数据进行预处理,采用邻域互信息,对基因之间的相关性进行评估,赋予其相应的相似度,得到获胜神经元的权重;然后通过粒子群优化方法对相关特征子集进行评估,以确定最优特征子集。仿真实验表明,相比其他相关方法,该方法提取的特征基因数据较少,分类准确率较高,对于多分类的问题依然取得好的分类效果。