期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于输出不一致测度的极限学习机集成的基因表达数据分类 被引量:41
1
作者 陆慧娟 安春霖 +2 位作者 马小平 郑恩辉 杨小兵 《计算机学报》 EI CSCD 北大核心 2013年第2期341-348,共8页
选择性集成学习已经成为分析基因表达数据、获取生物学信息的有力工具.为了更好地挖掘基因表达数据,利用极限学习机的集成,克服单个ELM用于数据分类时性能欠稳定的缺点,文中提出了一种基于输出不一致测度的ELM相异性集成算法(D-D-ELM).... 选择性集成学习已经成为分析基因表达数据、获取生物学信息的有力工具.为了更好地挖掘基因表达数据,利用极限学习机的集成,克服单个ELM用于数据分类时性能欠稳定的缺点,文中提出了一种基于输出不一致测度的ELM相异性集成算法(D-D-ELM).算法首先以输出不一致测度为标准对多个ELM模型进行相异性判断,其次根据ELM的平均分类精度剔除掉相应的模型,最后对筛选后的分类模型用多数投票法进行集成.算法被运用到Breast、Leukemia、Colon、Heart基因表达数据上,并通过理论和实验得到验证.实验结果的统计学分析表明D-D-ELM能够以更少的模型数量达到较稳定的分类精度. 展开更多
关键词 极限学习机 基因表达数据 集成算法 输出不一致测度 分类
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部