国家自然科学基金(61271385)
- 作品数：4 被引量：9H指数：1
- 相关作者：韩飞关健杨善秀杨春叶松林更多>>
- 相关机构：江苏大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于基因灵敏度信息和二进制微粒群优化的基因选择方法被引量：1
- 2014年
- 为了得到低冗余度高识别率的基因子集,提出了一种耦合基因灵敏度信息的微粒群优化基因选择方法。首先,通过单隐层神经网络从微阵列数据中提取各个基因的基因—类别灵敏度值;其次,在基因聚类基础上,利用基因灵敏度信息滤除低灵敏度的基因;最后,将基因灵敏度信息编码进二进制微粒群优化算法作进一步基因选择。在两个公开的微阵列数据集上的实验结果表明,对比其他方法,由于充分考虑各个基因灵敏度信息,因此能够选出较少基因但分类性能更高的基因子集。
- 孙伟韩飞
- 关键词：基因选择微阵列数据
- 一种基于先验信息BPSO的基因选择方法被引量：1
- 2015年
- 针对如何提高所选基因子集的可解释性和分类性能,提出一种耦合先验信息二进制微粒群算法(BPSO)的基因选择方法。基因灵敏度(GCS)信息和基因调控(GR)信息分别耦合进两个相互独立的共享全局最优位置的BPSO过程中,主要利用先验约束进行粒子群初始化、粒子更新、限制最大速度和自适应变异操作。在两个公开微阵列数据集上的实验表明,由于GCS和GR信息的约束,新方法选出的基因数目较少但具有较强的分类能力。
- 杨春韩飞
- 关键词：基因选择基因调控
- 基于粒子群优化和判别熵信息的基因选择算法被引量：7
- 2013年
- 为了以较少冗余的特征基因得到较高的分类准确率,提出一种基因选择算法。通过分析基因对不同类别间的判别熵信息,剔除大量的冗余基因,以形成一个初选基因库。在初选基因库中,运用粒子群优化算法结合基因组,对不同类别间的判别熵信息和样本分类准确率进行最优基因子集选择。在2组基因微阵列数据上的实验结果表明,该算法不仅能够获取较少冗余的可解释基因子集,而且对最终选择出的特征基因也能获得较高的样本识别率。
- 关健韩飞杨善秀
- 关键词：粒子群优化微阵列数据基因选择极端学习机先验信息
- 基于成员相似性的集成极端学习机被引量：1
- 2014年
- 为了增大各成员间的差异度以改善集成系统的性能,提出了一种基于成员间相似性选择的集成极端学习机(ELM)。首先,筛选出分类性能较高的备选极端学习机;其次,根据成员间的相似性运用微粒群算法(PSO)进一步选出最优的集成成员集合。通过选出相似度低的极端学习机来提高集成成员间差异度,从而有效提高集成系统的分类能力。选出的成员学习机在不同的集成规则下都具有良好性能。在四个UCI数据集上的实验结果表明,与经典的集成极端学习机相比,基于成员相似性选择的集成极端学习机具有更优的泛化性能和稳定性。
- 叶松林韩飞赵敏汝
- 关键词：微粒群算法极端学习机泛化性能
