（通讯员：刘思彤）2025年2月28日下午18:00，澳门博彩在线 博士研究生张斯琪在南湖校区教学科研楼409室作了一场精彩的学术报告。本次报告由澳门博彩在线 承办，吸引了澳门博彩在线 部分教师及研究生的积极参与。

题目：Improved aquila optimizer with mRMR for feature selection of high-dimensional gene expression data

摘要：This paper focuses on the feature selection problem of high-dimensional gene expression data. A technique that combines the Minimum Redundancy Maximum Relevance (mRMR) method with the improved Aquila Optimizer is proposed. High-dimensional gene expression data contains a large number of features, many of which may be redundant or irrelevant for subsequent analysis. By improving the Aquila Optimizer, some common limitations in handling such data, such as slow convergence and the tendency to fall into local optima, are overcome. The mRMR method is used to evaluate the relevance and redundancy of features. The combination of the two can effectively remove redundant features and retain features highly relevant to the target variable, thus reducing the dimensionality of the data and improving the accuracy and interpretability of subsequent analysis and modeling.

报告伊始，张斯琪博士简要介绍了本次报告的核心内容。

聚焦于高维基因表达数据的特征选择问题。研究提出了一种创新性的方法，将最小最大相关性（mRMR）方法与改进的天鹰优化器（Aquila Optimizer）相结合，有效解决了高维基因表达数据特征选择中的关键难题。

研究的主要创新点体现在以下几个方面：首先，提出了一种基于信息论（mRMR方法）和天鹰优化器的混合特征选择方法，充分发挥了不同方法的优势；其次，利用mRMR方法优化了初始种群的生成过程，通过特征相关性划分和选取特征，为后续天鹰优化算法的寻优提供了更高质量的起点；再次，通过引入随机反向学习策略和自适应惯性权重，显著提升了算法的全局搜索能力和收敛速度，有效避免了局部最优问题。

为验证方法的有效性，研究团队在10个真实的基因表达数据集上进行了实验。通过与全特征数据集、原始AO算法以及粒子群优化算法（PSO）、差分进化算法（DE）等多种常用元启发式算法的对比，以平均适应度值、分类精度、平均特征选择率等为评估指标，充分证明了所提方法在特征选择上的性能优势。

张斯琪博士进一步阐述了该混合特征选择方法在多个领域的应用前景：在疾病诊断方面，能够精准筛选关键基因特征，构建高效诊断模型，提升诊断准确性；在药物研发领域，有助于理解疾病发病机制和药物作用靶点，加速针对性药物的研发；在数据预处理方面，能够有效降低数据维度，去除冗余和噪声，提升数据质量；在模式识别与分类方面，有助于提取关键特征，优化分类模型，提高分类准确性和可靠性。

报告结束后，参会人员踊跃提问，就感兴趣的问题与张斯琪同学进行了深入的讨论和交流。张斯琪博士对提出的问题进行了详细解答，并分享了自己的研究心得。

本次学术交流会不仅拓展了同学们的学术视野，也激发了大家的学习热情。与会人员纷纷表示受益匪浅，将更加努力地学习和研究新的领域与方法。

初审：关迪

复审：杨凯

终审：王丹、王纯杰

澳门博彩在线

2025年2月28日