基于胃癌基因表达数据,运用信息科学的方法和技术建立胃癌的预测模型,对胃癌的识别具有重要意义,也是当前生物信息学研究的重要课题。本文针对胃癌的预测问题,从系统科学和信息科学的角度,采用机器学习和计算机技术,就胃癌的特征基因选取问题和预测分类问题,基于基因表达数据进行了研究,取得如下研究成果： 第一,针对胃癌特征基因选取的研究本文在综合聚类和相关系数的基础上把C均聚类算法和相关系数算法相融合提出了用于胃癌特征基因选取算法:C-XGXS算法。该方法首先对基因进行聚类,然后选出每一类的“代表基因”作为特征基因。与信噪比指标相比,C-XGXS算法在选取特征基因过程中既考虑了基因与样本类别之间的关系又考虑了基因与基因之间的关系,从而去除了信噪比指标的缺点。用两种指标选取基因在相同预测模型上进行预测。实验结果表明,用本文提出的方法选取的基因包含更多的预测信息,具有更高的使用性和有效性。 第二,针对胃癌预测模型的研究本文建立了两种胃癌预测模型,分别是三层BP网络模型和支持向量(SVM)模型。其中首次将BP网络和支持向量机(SVM)应用到胃癌预测问题上。并将这两种模型进行比较,通过比较得出,支持向量机(SVM)优于BP网络方法,是解决胃癌预测问题的有效工具。 本文的研究有助于胃癌与基因关系的理解,有助于胃特征基因的选择,胃癌的准确预测。