专利交易市场

一种基于深度学习和进化计算的特征基因查找方法，包括以下步骤：1)计算差异表达水平指数，根据二八准则建立一级基因池；2)根据每个基因的表达水平，计算其映射后的密度矩阵和距离矩阵，绘制决策图，利用多重线性回归分析拟合二元平面，自动确定聚类中心；3)构建深度基因表达预测网络计算一级基因池的基因‑基因敏感性信息GGSI，4)依据GGSI值剔除冗余基因，建立二级基因池；5)基于GGSI值对布谷鸟搜索算法进行二进制编码，选出最紧凑的基因集，建立三级基因池。本发明提供一种基于分级结构建立的特征基因选择框架，能够较好的提取出关键基因，采用多重线性回归分析结合深度学习算法和优化算法选择最紧凑特征基因集的方法。

本发明公开了一种特征基因选择及癌症分类方法，至少包括以下步骤：根据超参数组和待处理基因数据集建立logistic回归模型；根据极大似然估算以及对算运算，将logistic回归模型表达为损失函数；建立SCAD‑Net的求解模型；结合损失函数和SCAD‑Net的求解模型，得到SNL模型；计算SCAD‑Net的迭代更新算子；根据迭代更新算子，通过坐标梯度下降法计算SNL模型的基因回归系数；根据基因回归系数，进行特征基因的选择和癌症的分类。本发明提供了一种特征基因选择及癌症分类方法，能够有效地提高了特征基因选择和癌症分类的准确性，从而有利于对疾病的研究。