|
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
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
|
|