基于AdaBoost集成学习的演化硬件DNA微阵列数据分类

• 作者: 冉仟元 王进 邓欣 陈乔松 黄超
• 来源期刊: 江苏大学学报（自然科学版）
• 学科: 工学
• 关键词: 机器学习 演化硬件 DNA微阵列 AdaBoost 选择性集成
• 年，卷（期）: 2017,（1）
• 页码范围: 86-92,102
• 页数: 8页
• 分类号: TP391.4
• 字数: 7031字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7775.2017.01.015

摘要

为了更好地解决DNA微阵列数据的分类问题并进一步提高系统的识别率，提出了一种用于DNA微阵列数据分类的演化硬件多分类器AdaBoost选择性集成学习方法．在系统集成阶段，介绍了2种改进的AdaBoost算法，分别探讨了以样本标记提升抽样有效容量和直接面向组合分类器分类精度提升的选择性集成策略．对急性白血病、肺癌、结肠癌数据集进行了试验．结果表明，基于AdaBoost集成学习的演化硬件方法对白血病、肺癌、结肠癌的平均识别率为97．06％，99．32％，和94．44％．相对于传统演化硬件集成学习方法，文中方法保证更优识别率的同时有效降低了硬件实现代价．

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	冉仟元	重庆邮电大学计算智能重庆市重点实验室	3	5	2.0	2.0
3	黄超	重庆邮电大学计算智能重庆市重点实验室	8	12	2.0	3.0
4	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
5	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