神經(jīng)網(wǎng)絡集成算法研究及在基因表達數(shù)據(jù)分析中的應用.pdf

1、神經(jīng)網(wǎng)絡集成技術是神經(jīng)計算技術的一個研究熱點,在許多領域已經(jīng)有了成熟的應用.神經(jīng)網(wǎng)絡集成是一項相當成功的技術,它用有限個神經(jīng)網(wǎng)絡對同一個問題進行學習,集成在某輸入示例下的輸出由構成集成的各神經(jīng)網(wǎng)絡在該示例下的輸出共同決定.負相關學習法是一種神經(jīng)網(wǎng)絡集成的訓練方法,它鼓勵集成中的不同個體網(wǎng)絡學習訓練集的不同部分,以使整個集成能更好的學習整個訓練數(shù)據(jù).負相關學習法通過在誤差函數(shù)中使用一個懲罰項來創(chuàng)建集成中負相關的個體網(wǎng)絡.微陣列技術,使人們

2、可以同時觀測成千上萬個基因的表達水平,對其數(shù)據(jù)的分析已成為生物信息學研究的焦點.微陣列基因表達數(shù)據(jù)具有維數(shù)高、樣本小、非線性的特點.以一個典型的微陣列基因表達數(shù)據(jù)集為背景研究了神經(jīng)網(wǎng)絡集成的理論和方法.在理論上討論了神經(jīng)網(wǎng)絡集成的原理;針對原始負相關學習法收斂速度慢的缺點,給出改進的神經(jīng)網(wǎng)絡集成負相關學習方法;以神經(jīng)網(wǎng)絡集成理論為基礎,針對微陣列基因表達數(shù)據(jù)集,實現(xiàn)了基于神經(jīng)網(wǎng)絡集成的基因表達數(shù)據(jù)分析軟件,給出了分類器的構造模型:采用信