基于残差超网络的DNA微阵列数据分类

• 作者: 孙开伟 朱文晓 王进 邓欣 陈乔松
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 超网络 初始化 残差算法 稳定性 收敛性
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 计算机与自动化
• 页码范围: 647-653,659
• 页数: 8页
• 分类号: TP391.4
• 字数: 6067字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2015.05.013

摘要

DNA微阵列数据特征维度高,包含噪音,属性之间以及属性与样本类别之间有着复杂的关联性.然而传统超网络的超边一般是从训练集中随机选取属性而组成,难以保证超边质量,而且其分类性能受超边初始化过程影响很大,导致效果不稳定.针对传统超网络的这一局限,提出一种基于残差分析的超网络分类模型.残差算法根据显著性检验,首先假设属性相互独立,然后根据95％的置信水平,运用残差分析,用落入拒绝域的属性值对超网络的超边库进行初始化,以获取关联性较高的超边集合.然后采用梯度下降法进行超网络的演化学习.对急性白血病、前列腺癌和肺癌数据集的实验表明:与传统演化超网络分类器相比,该方法不仅有较高的分类精度,而且提高了分类的稳定性和收敛性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王进	重庆邮电大学计算智能重庆市重点实验室	50	202	8.0	12.0
2	陈乔松	重庆邮电大学计算智能重庆市重点实验室	16	66	4.0	7.0
3	邓欣	重庆邮电大学计算智能重庆市重点实验室	21	58	4.0	6.0
4	朱文晓	重庆邮电大学计算智能重庆市重点实验室	2	5	1.0	2.0