ReliefF和APSO混合降维算法研究

• 作者: 严珂 叶敏超 陆慧娟 陈俊颖
• 来源期刊: 中国计量大学学报
• 学科: 工学
• 关键词: ReliefF算法 APSO算法 降维 基因表达数据
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 信息科学
• 页码范围: 214-218
• 页数: 5页
• 分类号: TP391
• 字数: 3550字
• 语种: 中文
• DOI: 10.3969/j.issn.2096-2835.2017.02.013

摘要

降维与分类一直是机器学习的研究热点,在很多领域有着成功的应用.针对基因数据分类存在特征维数过高、冗余数据和高噪声等问题,现提出一种基于ReliefF和自适应粒子群(APSO)优化的混合降维算法.即先通过ReliefF和APSO算法选择特征子集,然后使用超限学习机作为评价函数对基因数据进行分类,最后通过循环迭代得到最优的分类精度.实验证明,混合降维算法与已有的算法相比分类精度更高、更稳定,它适用于基因表达数据降维.

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	中国计量大学信息工程学院	101	716	13.0	20.0
2	严珂	中国计量大学信息工程学院	17	72	5.0	8.0
3	叶敏超	中国计量大学信息工程学院	13	27	3.0	4.0
4	陈俊颖	中国计量大学信息工程学院	1	2	1.0	1.0