重庆市自然科学基金(cstc2012jjA40034)
- 作品数：1 被引量：5H指数：1
- 相关作者：黄萍丽蔡通孙开伟王进更多>>
- 相关机构：重庆邮电大学更多>>
- 发文基金：重庆市自然科学基金重庆市大学生创新创业训练计划项目国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于演化学习超网络的微阵列数据分类被引量：5
- 2014年
- 为解决传统模式识别方法学习结果过于复杂且难以解读的问题,提出了一种基于遗传算法的演化学习超网络模型.与传统的基于梯度下降和超边替代的超网络学习算法不同,演化学习超网络模型在其学习过程中引入了遗传算法.将超网络的超边集合划分成多个子种群;对子种群中的个体进行选择、交叉和变异等遗传操作,并对每一代种群进行子种群间优秀个体的迁移.每个子种群并行执行演化操作,完成演化后得到一个具有决策能力的超网络分类器.利用演化超网络对急性白血病、肺癌和前列腺数据集进行分类试验.结果表明,演化学习超网络对3个数据集的分类准确率分别为96.21%,99.26%,96.09%.所提出的方法与其他传统的模式识别方法相比,具有更高的分类准确率,而且其学习结果具有很好的可读性,有利于挖掘与癌症诊断密切相关的基因对高阶关联关系.
- 王进黄萍丽孙开伟蔡通
- 关键词：模式识别超网络遗传算法
