Bagging选择性集成演化硬件DNA微阵列数据分类方法

摘要：

为了提高演化硬件(EHW)分类系统的泛化能力和减少硬件代价,提出了一种用于DNA微阵列数据分类的演化硬件多分类器选择性集成学习方法.重点讨论了基于Bagging的选择性集成学习策略和基于虚拟可重构结构的演化硬件分类系统构架.通过对原始数据训练集的随机重采样生成训练子集完成对演化硬件基分类器的训练,并选择其中识别率较高的基分类器进行集成以获得更高的分类性能.演化硬件分类系统对DNA微阵列数据的学习与分类均在Xilinx Virtex xcv2000E FPGA硬件平台上实现.通过对急性白血病和肺癌数据集的对比实验表明:相对于传统演化硬件集成学习方法,这种方法在保证较高识别率的基础上有效降低了硬件代价,且具有更短的学习时间和较强的泛化能力.

关键词：演化硬件(EHW)、Bagging、DNA微阵列、选择性集成

所属期刊栏目：23

分类号：TP3;TP1

资助基金：国家自然科学基金61203308,61075019;教育部留学回国人员科研启动基金教外司留[2010]1174号;重庆市大学生创新创业训练计划201210617003

在线出版日期：2014-03-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1236-1241