基于遗传算法与支持向量机的基因微阵列分析

遗传算法和支持向量机是近年来发展迅速的机器学习算法,对样本量较小而变量数较大的基因微阵列数据支持向量机具有很好的分类效果。而遗传算法通过初始种群的不断进化（交叉,变异和选择）,从而收敛到最优解,达到降维的目的。本文将二者结合,采用遗传算法并以支持向量机的分类准确率作为适应度函数,提高分类准确度。结果显示这种方法对分类更加有效。本文同时也对特征基因在代谢通路上的分布和功能作了一定的研究。