基于粒子群優(yōu)化的集成學習方法在基因微陣列數(shù)據(jù)分類中的應用.pdf

1、集成學習系統(tǒng)是近年來機器學習和模式識別領域中的研究熱點。由于其在處理維數(shù)高、樣本少和數(shù)據(jù)結構復雜的這類問題中擁有獨特的優(yōu)勢，最近已有越來越多針對基因微陣列數(shù)據(jù)的研究中使用了集成學習方法。隨著微陣列技術的不斷發(fā)展，我們將面臨更多的基因微陣列數(shù)據(jù)，傳統(tǒng)的方法處理高維小樣本數(shù)據(jù)時面臨很多挑戰(zhàn)，因此，需要設計新的算法模型來分析和處理這類數(shù)據(jù)。
　　本文針對基因微陣列數(shù)據(jù)的分類進行了研究，基于集成學習和粒子群智能優(yōu)化設計了兩種新的算法來對基

2、因微陣列數(shù)據(jù)進行分析和預測，所取得的成果如下：
　　（1）設計了基于粒子群優(yōu)化的集成特征選擇方法：首先通過filter方法篩選出候選基因集，并使用粒子群優(yōu)化算法進一步實現(xiàn)特征選擇，用優(yōu)化后的特征子集組構建基分類器以形成集成特征學習系統(tǒng)。
　?。?）提出了結合聚類思想的集成獨立分量選擇方法：首先進行基因特征聚類，形成多個基因特征子集，并對每個子集進行獨立分量變換，然后使用粒子群優(yōu)化算法選擇合適的獨立分量子集，在此基礎上構建基分