江苏大学学报（自然科学版）
江囌大學學報（自然科學版）
강소대학학보（자연과학판）
JOURNAL OF JIANGSU UNIVERSITY(NATURAL SCIENCE EDITION)
2013年
4期
410-415
,共6页
王进%陈文%冉仟元%李钟浩
王進%陳文%冉仟元%李鐘浩
왕진%진문%염천원%리종호
模式识别%机器学习%演化计算%分类器%选择性集成%微阵列
模式識彆%機器學習%縯化計算%分類器%選擇性集成%微陣列
모식식별%궤기학습%연화계산%분류기%선택성집성%미진렬
pattern recognition%machine learning%evolutionary computation%classifier%selective ensemble%microarray
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.
針對單分類器識彆率低、穩定性差的問題,提齣瞭一種用于微陣列數據分類的縯化硬件多分類器選擇性集成方法.首先把經過預處理的原始訓練集隨機劃分為訓練集和驗證集；然後通過對訓練集的學習穫得基于縯化硬件的基分類器；再用驗證集評價基分類器的性能,選擇其中一部分較好的基分類器組成最終的分類繫統；最後用獨立的測試集驗證繫統的性能.試驗結果錶明,對急性白血病和結腸癌數據集的識彆率分彆為95.42％、88.33％,與其他的模式識彆方法具有可比性；同時在識彆率相噹的情況下,該方法的硬件代價遠低于全集成的縯化硬件多分類器.
침대단분류기식별솔저、은정성차적문제,제출료일충용우미진렬수거분류적연화경건다분류기선택성집성방법.수선파경과예처리적원시훈련집수궤화분위훈련집화험증집；연후통과대훈련집적학습획득기우연화경건적기분류기；재용험증집평개기분류기적성능,선택기중일부분교호적기분류기조성최종적분류계통；최후용독립적측시집험증계통적성능.시험결과표명,대급성백혈병화결장암수거집적식별솔분별위95.42％、88.33％,여기타적모식식별방법구유가비성；동시재식별솔상당적정황하,해방법적경건대개원저우전집성적연화경건다분류기.
