基于KAO-AOA混合优化与SVM的乳腺癌基因表达特征选择及高精度分类研究

为解决乳腺癌基因表达数据高维性导致的分类难题，研究人员提出融合克什米尔苹果优化算法(KAO)和犰狳优化算法(AOA)的双阶段特征选择框架，结合支持向量机(SVM)构建分类模型。该研究在乳腺癌数据集上实现98.97%准确率，15基因子集即达100%召回率，为肿瘤分子分型提供高效计算工具。

　　针对乳腺癌基因表达数据维度灾难问题，这项研究创新性地将克什米尔苹果优化算法(KAO)与犰狳优化算法(AOA)联姻——KAO负责全局基因空间勘探，AOA专注局部特征子集开发，形成双阶段生物标志物筛选引擎。通过支持向量机(SVM)分类器验证，该框架仅需15个特征基因就能达成近乎完美的分类性能（F1-score 99.22%），其基因筛选机制有效克服了传统方法易陷入局部最优和冗余累积的缺陷。研究不仅为肿瘤精准诊断建立新范式，更启示了仿生智能算法在组学大数据挖掘中的巨大潜力。