1.一种基于两阶段深度特征选择的癌症基因分类方法，其特征在于，包括步骤如下：A、训练癌症基因分类模型

(1)获取训练数据

第一阶段：集成三种特征选择算法进行全面特征选择，得到特征子集；

第二阶段：使用非监督神经网络获得特征子集最佳表示；

(2)将特征子集最佳表示分为训练集和测试集，输入癌症基因分类模型中进行训练；

B、癌症基因分类

将待检测癌症基因数据预处理后输入训练好的癌症基因分类模型，实现癌症基因分类，判断是否为癌症基因；

基于boosting集成特征选择方法，集成三种特征选择算法，实现全面特征选择，三种特征选择算法包括方差分析、RReliefF算法和随机森林算法；全面特征选择的实现过程如下：(1.1)通过方差分析及RReliefF算法对原始数据进行特征选择，得到候选特征子集；

(1.2)使用随机森林算法根据特征重要性对候选特征子集进行排序，选择出所需要的特征子集。

2.根据权利要求1所述的一种基于两阶段深度特征选择的癌症基因分类方法，其特征在于，原始数据是指癌症微阵列数据。

3.根据权利要求1所述的一种基于两阶段深度特征选择的癌症基因分类方法，其特征在于，步骤B中，检测癌症基因数据进行预处理的过程为：去掉待检测癌症基因数据中的空值及非数值型数据后，通过所述第一阶段及第二阶段的处理得到特征子集最佳表示，将特征子集输入训练好的癌症基因分类模型。

4.根据权利要求1所述的一种基于两阶段深度特征选择的癌症基因分类方法，其特征在于，步骤(1.1)的具体实现步骤包括：a、设置方差分析中参数p，p是指设置的特征方差阈值，通过方差计算公式(Ⅰ)进行一轮特征选择，求出每一个特征的特征方差，选择出特征方差高于p的特征；

Var(x)＝p(1‑p)    (Ⅰ)

式(Ⅰ)中，Var(x)代表特征x的方差值；

b、根据RReliefF算法中不同的权重W来确定候选特征子集；

设置权重阈值W，根据以下规则计算权重：

从所有样本中随机选出一个样本R，通过对特征之间距离计算，分别寻找样本R同类与异类中的最近样本，得到特征权重，RReliefF算法通过样概率定义模拟样本之间的绝对距离，特征权重计算公式如式(II)所示：式(II)中，W[A]是指特征A的权重，PdiffA是指特征A在所有样本中对应概率值，如式(Ⅲ)所示，PdiffC表示对特征A在所有样本中对应的预测概率值，如式(Ⅳ)所示，PdiffC|diffA表示在已知特征A在样本中具体概率时，预测结果为diffC的概率值，如式(Ⅴ)所示，NSs是指最近样本，并且DNSs代表diffC和它的NSs，PdiffC|diffA、PdiffA、PdiffC的定义如式(Ⅲ)、(Ⅳ)、(Ⅴ)所示：PdiffA＝P(diffA|NSs)    (Ⅲ)

PdiffC＝P(diffC|NSs)    (Ⅳ)

PdiffC|diffA＝P(diffC|DNSs)    (Ⅴ)求取得到所有特征的权重。

5.根据权利要求4所述的一种基于两阶段深度特征选择的癌症基因分类方法，其特征在于，p＝0.8。

6.根据权利要求1所述的一种基于两阶段深度特征选择的癌症基因分类方法，其特征在于，步骤(1.2)中，通过基尼系数作为随机森林算法的评价指标，来表示候选特征子集中每个候选特征的特征重要性，基尼系数某指某一特征在RF所有决策树中节点分裂不纯度的平均改变量，具体实现步骤包括：求取候选特征子集中每个候选特征的基尼系数，基尼系数求取公式如式(Ⅵ)所示：式(Ⅵ)中，IG是指基尼系数，f是指某一特征，fi是指第i个特征，m是指特征总数；

随机森林算法根据基尼系数求解出每个特征的特征重要性，根据重要性排序选择出满足该随机森林算法的特征，得到所需要的特征子集。

7.根据权利要求1所述的一种基于两阶段深度特征选择的癌症基因分类方法，其特征在于，第二阶段的具体实现步骤是指：将特征子集导入新型网络变分自编码器中，进行去噪并获得特征子集低维表示即特征子集最佳表示。

8.根据权利要求7所述的一种基于两阶段深度特征选择的癌症基因分类方法，其特征在于，所述新型网络变分自编码器包括输入层、第一全连接层、隐含层、第二全连接层及输出层，所述隐含层的节点数为256，epoch为50次，batch size为25。

9.根据权利要求8所述的一种基于两阶段深度特征选择的癌症基因分类方法，其特征在于，所述隐含层的激活函数为relu函数，所述输出层的激活函数为sigmoid函数，使用Adam作为优化器。

10.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1‑9任一所述基于两阶段深度特征选择的癌症基因分类方法的步骤。

11.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1‑9任一所述基于两阶段深度特征选择的癌症基因分类方法的步骤。