基于adaboost集成学习的演化硬件dna微阵列数据分类-江苏大学.pdfVIP

２０１７年１月 第３８卷　第１期 Ｊａｎ．２０１７ Ｖｏｌ．３８　Ｎｏ．１ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７１－７７７５．２０１７．０１．０１５ 基于ＡｄａＢｏｏｓｔ集成学习的演化硬件ＤＮＡ微阵列数据分类 王　进，黄　超，冉仟元，邓　欣，陈乔松 （重庆邮电大学 计算智能重庆市重点实验室，重庆４０００６５） 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． 关键词：机器学习