基于输出不一致测度的极限学习机集成的基因表达数据分类

• 作者: 安春霖 杨小兵 郑恩辉 陆慧娟 马小平
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 极限学习机 基因表达数据 集成算法 输出不一致测度 分类
• 年，卷（期）: 2013,（2）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 341-348
• 页数: 8页
• 分类号: TP181
• 字数: 6051字
• 语种: 中文
• DOI: 10.3724/SP.J.1016.2013.00341

摘要

选择性集成学习已经成为分析基因表达数据、获取生物学信息的有力工具.为了更好地挖掘基因表达数据,利用极限学习机的集成,克服单个ELM用于数据分类时性能欠稳定的缺点,文中提出了一种基于输出不一致测度的ELM相异性集成算法(D-D-ELM).算法首先以输出不一致测度为标准对多个ELM模型进行相异性判断,其次根据ELM的平均分类精度剔除掉相应的模型,最后对筛选后的分类模型用多数投票法进行集成.算法被运用到Breast、Leukemia、Colon、Heart基因表达数据上,并通过理论和实验得到验证.实验结果的统计学分析表明D-D-ELM能够以更少的模型数量达到较稳定的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马小平	中国矿业大学信息与电气工程学院	152	1129	17.0	27.0
2	杨小兵	中国计量学院信息工程学院	17	99	4.0	9.0
3	郑恩辉	中国计量学院机电工程学院	38	217	8.0	13.0
4	陆慧娟	中国矿业大学信息与电气工程学院	101	716	13.0	20.0
8	安春霖	中国计量学院信息工程学院	4	83	3.0	4.0