检索结果

Select

1. 基于差异性和准确性的加权调和平均度量的基因表达数据选择性集成算法

高慧云, 陆慧娟, 严珂, 叶敏超

计算机应用 2018, 38 (5): 1512-1516. DOI: 10.11772/j.issn.1001-9081.2017102464

摘要（413）

PDF （708KB）（291）

基分类器之间的差异性和单个基分类器自身的准确性是影响集成系统泛化性能的两个重要因素，针对差异性和准确性难以平衡的问题，提出了一种基于差异性和准确性的加权调和平均（D-A-WHA）度量基因表达数据的选择性集成算法。以核超限学习机（KELM）作为基分类器，通过D-A-WHA度量调节基分类器之间的差异性和准确性，最后选择一组准确性较高并且与其他基分类器差异性较大的基分类器组合进行集成。通过在UCI基因数据集上进行仿真实验，实验结果表明，与传统的Bagging、Adaboost等集成算法相比，基于D-A-WHA度量的选择性集成算法分类精度和稳定性都有显著的提高，且能有效应用于癌症基因数据的分类中。

参考文献 | 相关文章 | 多维度评价

Select

2. 自适应混沌粒子群算法对极限学习机参数的优化

陈晓青, 陆慧娟, 郑文斌, 严珂

计算机应用 2016, 36 (11): 3123-3126. DOI: 10.11772/j.issn.1001-9081.2016.11.3123

摘要（680）

PDF （595KB）（583）

针对极限学习机（ELM）在处理非线性数据时效果不理想，并且ELM的参数随机化不利于模型泛化的特点，提出了一种改进的极限学习机算法。结合自适应混沌粒子群（ACPSO）算法对ELM的参数进行优化，以增强算法的稳定性，提高ELM对基因表达数据分类的精度。在UCI基因数据集上进行仿真实验，实验结果表明，与探测粒子群-极限学习机（DPSO-ELM）、粒子群-极限学习机（PSO-ELM）等算法相比，自适应混沌粒子群-极限学习机（ACPSO-ELM）算法具有较好的稳定性、可靠性，且能有效提高基因分类精度。

参考文献 | 相关文章 | 多维度评价

Select

3. Web Services 技术在物流上的应用

陆慧娟;任协京;卫伟

计算机应用

摘要（916）

PDF （586KB）（783）

由于物流软件与企业ERP软件间平台、语言等差异，影响了信息资源的有效融合，而采用Web Services可有效解决此问题。通过在Pocket PC（客户端）上远程调用Web Services发布的接口函数，实现与服务器端信息交互的例子，阐述了Web Services技术在物流上的应用过程。