一种粒子群RELM的基因表达数据分类方法

• 作者: 余翠 关伟 王石磊 陆慧娟
• 来源期刊: 中国计量学院学报
• 学科: 工学
• 关键词: 正则极限学习机 输入层权值 隐含层偏差 粒子群
• 年，卷（期）: 2015,（2）
• 所属期刊栏目: 生物与信息
• 页码范围: 221-226
• 页数: 6页
• 分类号: TP181
• 字数: 4223字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1540.2015.02.018

摘要

正则极限学习机(regularized extreme learning machine,RELM)具有比极限学习机(extreme learning machine,ELM)更好的泛化能力.然而RELM的输入层权值、隐含层偏差是随机给定的,会影响RELM的稳定性.另外,RELM为了获得较理想的分类精度,仍需设置较多的隐层节点.针对此问题,通过分析粒子群优化算法(particle swarm optimization,PSO)的原理,把RELM初始产生的输入层权值、隐含层偏差作为粒子带入PSO进行寻优.通过在Breast和Brain数据集上进行多次10折交叉验证表明,粒子群改进正则极限学习机(PSO-RELM)可以在隐层节点设置较少时获得比BP神经网络(back propagation,BP)、支持向量机(support vector machine,SVM)、RELM更好的分类精度和更佳的稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆慧娟	中国计量学院信息工程学院	101	716	13.0	20.0
2	关伟	中国计量学院现代科技学院	15	42	4.0	5.0
3	余翠	中国计量学院信息工程学院	4	8	2.0	2.0
4	王石磊	中国计量学院信息工程学院	1	4	1.0	1.0