文档介绍：分类号密级公开

重庆邮电大学硕士学位论文

论文题目基于演化硬件的 DNA 微阵列数据分类方法研究

英文题目 The Classification Method of DNA Microarray
Data Based on Evolvable Hardware

硕士研究生陈文

指导教师王进教授

学科专业计算机应用技术

论文提交日期 2012年4月论文答辩日期 2012 年 5 月 26 日

论文评阅人

答辩委员会主席余建桥教授西南大学

2012 年 5 月
重庆邮电大学硕士学位论文摘要
摘要
由于各种癌症在病原上有其自身的特点，为了达到最大疗效和最小毒副作用，
需要制定有针对性的治疗方案，因此癌症的分类是治疗的关键。当前临床上的癌症
诊断主要依据形态学信息，但有些在组织病理上相似的肿瘤也可能有不同的临床表
现，需要截然不同的治疗方案。近年来，DNA 微阵列技术的发展为癌症研究提供了
一种新的途径，通过微阵列数据的表达值可以寻找基因之间的复杂关系，为研究癌
症的发病机理、对其进行检测并筛选相应的治疗药物提供了依据。利用 DNA 微阵
列数据对癌症进行分类已成为当前癌症研究的重点之一，但由于微阵列数据集具有
小样本、高维度、高噪音、高冗余、数据分布不均衡等特点，也为基于 DNA 微阵
列数据的癌症分类带来了巨大的挑战。
由于 DNA 微阵列数据的独特性，使用常规的模式识别方法并不一定能获得理
想的分类效果。针对当前基于 DNA 微阵列数据的癌症分类中存在的学****和识别时
间长，学****结果可读性差等问题，为了更好地解决微阵列数据的分类问题并进一步
提高系统的识别率，本文提出了一种基于演化硬件的癌症分类方法以建立一个高效、
准确的分类系统。与结构和功能一次性固定、不可逆转的传统硬件电路相比较，演
化硬件是一种基于可编程逻辑器件，通过应用演化算法能够自动的、动态的改变其
自身结构和功能从而适应其周围环境变化的新型电子器件。演化硬件分类系统基于
可编程逻辑器件的高效、快速等特性，具有可在线适应、实时性强、学****结果可读
性好等优点。为了解决所提出的上述问题，本文在以下方面进行了深入研究。
第一、针对单个演化硬件分类器存在的稳定性差、识别率低等问题，建立了用
于微阵列数据分类的演化硬件多分类器模型。对 DNA 微阵列数据采用基于过滤的
信噪比特征选择方法，然后使用虚拟可重构结构的演化硬件多次对数据集进行学****br/>生成不同的基分类器，最后采用大多数投票法对多个基分类器的输出结果进行集成。
为了降低系统的演化难度，在演化过程中采用了增量演化策略；同时使用流水线技
术降低系统的演化时间。
第二、为了降低系统的硬件资源消耗，并进一步提高系统的识别率，又引入了
选择性集成学****方法。首先把原始训练集分为训练集和验证集，为了增加演化硬件
基分类器的差异性进行了多次随机划分，通过对训练集的学****生成不同的基分类器；
然后用对应的验证集测试基分类器的性能，并用演化硬件的输出误差作为评判基分
类器优良的标准；最后对基分类器的误差值进行排序，选取误差值较小的基分类器
用于最终的系统集成。对不同数据集的实验结果表明，该方法建立了一个稳定、高