用于微阵列数据癌症分类的演化硬件多分类器

被引：2

作者：

王进 ^{[1
,2
]}

陈文 ^{[1
]}

冉仟元 ^{[1
]}

李钟浩 ^{[3
]}

机构：

[1] 重庆邮电大学计算机科学与技术学院

[2] 重庆邮电大学计算智能重庆市重点实验室

[3] 仁荷大学信息与通信工程系

来源：

江苏大学学报(自然科学版) | 2013年 / 34卷 / 04期

基金：

教育部留学回国人员科研启动基金;

关键词：

模式识别; 机器学习; 演化计算; 分类器; 选择性集成; 微阵列;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对单分类器识别率低、稳定性差的问题,提出了一种用于微阵列数据分类的演化硬件多分类器选择性集成方法.首先把经过预处理的原始训练集随机划分为训练集和验证集;然后通过对训练集的学习获得基于演化硬件的基分类器;再用验证集评价基分类器的性能,选择其中一部分较好的基分类器组成最终的分类系统;最后用独立的测试集验证系统的性能.试验结果表明,对急性白血病和结肠癌数据集的识别率分别为95.42%、88.33%,与其他的模式识别方法具有可比性;同时在识别率相当的情况下,该方法的硬件代价远低于全集成的演化硬件多分类器.

引用

页码：410 / 415

页数：6