基于教与学优化算法的基因表达谱 选择性集成分类

摘要：

针对基因表达谱的高维、小样本及高噪声等特点,提出一种选择性集成分类方法.首先,采样改进的分类信息指数法进行属性约简,剔除大量无效基因实现降维;然后,基于bootstrap技术的样本扰动和核模糊粗糙集的特征扰动构建多个样本子集,训练多个基分类器;最后,采用教与学优化算法构建选择性集成分类器.仿真实验结果表明,算法在分类精度、集成规模及稳定性等方面具有较强优势.

关键词：基因表达谱、选择性集成、多类别分类信息指数法、核模糊粗糙集、教与学优化算法

所属期刊栏目：18

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金11502132;陕西省教育厅科研基金14JK1148;陕西理工大学科研基金SLGQD2017-07

在线出版日期：2018-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：232-238