摘要：该文提出一种用于多类型癌症分子分型的演化超网络模式识别方法。首先采用“一对多”方法，将一个多类分型问题转化为多个二类分型问题；然后利用信噪比方法对DNA微阵列数据进行信息基因选择；经过超网络对训练集的演化学习，构造一系列二类分类器并进行集成，最终构建一个多类型癌症分型系统并对待测样本进行分类。对急性白血病、儿童小圆蓝细胞肿瘤和GCM数据集实验结果表明：演化超网络留一交叉验证（LOOCV）识别率分别为：98.61%，100%和85.35%。演化超网络有利于挖掘癌症相关基因，具有良好的学习结果可读性。

关键词：模式识别 机器学习 演化超网络 微阵列 癌症多类型分类 

单位：计算智能重庆市重点实验室(重庆邮电大学) 重庆400065 韩国仁荷大学信息与通信工程系 仁川402—751