面向基因数据分类的AGA-ELM算法研究-中国期刊网

摘要对基因表达数据进行分类时,超限学习机（ELM）算法具有学习效率高、泛化能力强、分类精度高的优点.为了解决超限学习机算法受输入权值矩阵和隐含层偏差随机初始化的影响,本文利用自适应遗传算法（AGA）具有良好的全局搜索效果对超限学习机的输入权值矩阵和隐含层偏差进行优化,提出了基于自适应遗传算法优化超限学习机（AGA-ELM）的分类算法.通过实验表明,该算法与已有的ELM、GA-ELM以及SVM算法相比,分类精度更高,可用于基因数据分类.

1姚玉军1肖芷翊1刘志刚2. 基于正则化的OS-ELM算法及分类应用.文化科学,2019-03.
2汪耀锋. 面向大数据的垃圾文本过滤分类研究.,2023-04.
3. 有基因数据，谈癌不再色变.高等教育学,2015-03.
4王卫华. 面向数据删除的关联规则更新算法.成人教育学,2007-04.
5郑安然,芦大伟,姚学轩,邓建新,卢润波,陈淑莲. 基于机器学习的红外成像数据自动分类算法研究.电力系统及自动化,2023-04.
6谢芬. 基于遗传算法优化决策树的肿瘤基因分类研究.计算机科学与技术,2010-04.
7李春雨. 面向遥感数据的测绘基础时空信息数据库更新算法研究.市政工程,2024-04.
8姚海龙. 指纹自动分类算法的研究.农业工程,2017-05.
9唐校辉;廖欣;陈雷霆;陈文昭. 基于改进Tri-Training算法的健康大数据分类模型研究.计算机科学与技术,2017-07.
10段晓瑞1,杨文颖1,范镇业1,董素芬1，*. 基于D3的生物信息关联基因数据可视化.建筑技术科学,2021-10.

面向基因数据分类的AGA-ELM算法研究

来源期刊

相关推荐

同分类资源更多

相关关键词

面向基因数据分类的AGA-ELM算法研究

来源期刊

相关推荐

同分类资源 更多

相关关键词

同分类资源更多