基于人工蜂群和SVM的基因表达数据分类

基因表达数据存在高维、小样本、高噪声等特性,使得相应的肿瘤分类诊断面临着一定的挑战.为了实现更加精确的分类准确率,利用人工蜂群(artificial bee colony,ABC)算法对支持向量机(support vector machine,SVM)的核函数参数和惩罚因子进行优化,采用准确率作为分类模型的适应度函数,提出一种基于ABC和SVM的基因表达数据分类方法ABC-SVM.在6种公开的肿瘤基因表达数据集上进行试验,并对比分析其他的分类方法.结果表明,在筛选得到的较少信息基因基础上,ABC-SVM可获得更高的肿瘤分类准确率,对肿瘤样本类型进行更有效的分类预测.