基于演化学习超网络的微阵列数据分类-江苏大学.PDF

年 月 第 卷第 期 基于演化学习超网络的微阵列数据分类 王进 黄萍丽 孙开伟 蔡通 重庆邮电大学 计算智能重庆市重点实验室 重庆 摘要 为解决传统模式识别方法学习结果过于复杂且难以解读的问题 提出了一种基于遗传算法 的演化学习超网络模型 与传统的基于梯度下降和超边替代的超网络学习算法不同 演化学习超网 络模型在其学习过程中引入了遗传算法将超网络的超边集合划分成多个子种群对子种群中的个 体进行选择 交叉和变异等遗传操作 并对每一代种群进行子种群间优秀个体的迁移 每个子种群并 行执行演化操作 完成演化后得到一个具有决策能力的超网络分类器 利用演化超网络对急性白血 病肺癌和前列腺数据集进行分类试验结果表明演化学习超网络对 个数据集的分类准确率分别 为 所提出的方法与其他传统的模式识别方法相比 具有更高的分类准确 率而且其学习结果具有很好的可读性有利于挖掘与癌症诊断密切相关的基因对高阶关联关系 关键词 微阵列数据分类 模式识别 机器学习 超网络 遗传算法 中图分类号 文献标志码 文章编号 引文格式 王进 黄萍丽 孙开伟 等基于演化学习超网络的微阵列数据分类江苏大学学报 自然科学版 收稿日期 基金项目 国家自然科学基金资助项目 重庆市自然科学基金资助项目 重庆市大学生创新创 业训练计划项目 作者简介 王进 男重庆人教授 主要从事演化算法数据挖掘智能信息处理的研究 黄萍丽 女广西南宁人硕士研究生 主要从事演化超网络不平衡数据分类的研究 第 期 王进等 基于演化学习超网络的微阵列数据分类 癌症治疗是人类难以攻克