基于跳跃显露模式挖掘算法的癌症分类

• 作者: 乔媛 廖小平 邵开霞
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 分类算法 强跳跃显露模式 集成学习
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 人工智能
• 页码范围: 100-105
• 页数: 6页
• 分类号: TP301
• 字数: 6646字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2018.05.020

摘要

分类问题是数据挖掘中的一项重要课题,然而目前对于癌症数据的分类研究还相对较少.近年来提出的强跳跃显露模式SJEP是一种具有很强区分能力的新模式,对于癌症数据的分类具有明显的优势.为了使癌症数据的分类精确度得以进一步提升,本文引入集成学习的思想,对原有的Boosting算法做出一些改进,并将改进后的Boosting算法与SP-树分类算法相结合,提出一种以SP-树分类算法作为基学习算法的SP Boost算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	廖小平	河海大学计算机与信息学院	13	60	4.0	7.0
2	乔媛	河海大学计算机与信息学院	1	1	1.0	1.0
3	邵开霞	河海大学计算机与信息学院	2	4	1.0	2.0