改进的Adaboost算法在基因表达数据中的应用

发布时间：2020-08-07 17:09

【摘要】：癌症诊断是生物医学研究领域备受关注的问题。现阶段的癌症诊断主要集中在形态学上,有确切的诊断结果往往都是癌症中晚期。这时候的癌症治疗方法有限,治愈率较低。越早诊断出癌症,治愈率越高。癌症的早期诊断是治疗癌症的关键。本文根据癌症基因的特点,从基因层面诊断癌症,实现癌症的早期诊断。本文进行了以下方面的研究:(1)提出一种基于Adaboost的自适应遗传算法优化超限学习机(Extreme Learning Machine,ELM)的基因表达数据集成分类算法,该算法选取超限学习机作为基分类器。分类时,ELM算法具有学习效率高、泛化能力强的优点。但是ELM的分类结果受输入权值矩阵和隐含层偏差随机初始化的影响。为了解决这个问题,本文利用自适应遗传算法优化了ELM的输入权值矩阵和隐含层偏差。改善了ELM随机误差大的问题,提高了ELM算法的稳定性。(2)提出了一种基于遗传算法的混合Adaboost的基因表达数据集成分类算法。该算法的基分类器是决策小组,决策小组数由相同个数的朴素贝叶斯、K近邻以及决策树组成的。决策小组的组成方式是,随机从上述三个算法中抽取一个算法,重复三个,组成决策小组,当前决策小组的类别是由组成决策小组的三个分类器的分类结果通过投票法产生的。最后,通过利用遗传算法优化各基分类器话语权的方法,将基分类器提升成强分类器。达到了提高分类精度以及分类稳定性的目的。
【学位授予单位】：中国计量大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP18;R730.4
【图文】：

被判断成为的哪个类别多，就预测这个样本为此类别。图2.3 是随机森林的基本原理图。随机森林算法的步骤为：（1）给定样本集1 1 2 2D [( , ),( , ), ,( , )]n n x y x y x y；（2）对样本的抽样从行和列两个角度进行；（3）先进行行采样，行采样的具体方法是随机地、有放回地从样本集中取出若干组样本，作为决策树的输入。这些输入样本中可能存在相同的样本，因

表 3.1 基因数据集下各算法的分类精度集 算法 5 10 15 20 30 35 40 50 stELM 0.7514 0.7823 0.7705 0.7735 0.7794 0.7647 0.7779 0.775 GAELM 0.7381 0.7381 0.7500 0.7619 0.7679 0.7798 0.7857 0.7976 AGAELM 0.7857 0.7917 0.7976 0.8036 0.8095 0.8155 0.8214 0.8274 nELM 0.585 0.64 0.615 0.605 0.585 0.655 0.63 0.665 GAELM 0.6140 0.6667 0.6842 0.7018 0.7544 0.7719 0.7895 0.7865 AGAELM 0.6750 0.7000 0.7250 0.7500 0.8000 0.8155 0.8250 0.9000 nELM 0.8041 0.8458 0.8583 0.8791 0.85 0.8666 0.8791 0.8458 GAELM 0.8677 0.8801 0.8802 0.8842 0.8843 0.8884 0.8885 0.9008 AGAELM 0.9049 0.9050 0.9132 0.9173 0.9213 0.9214 0.9215 0.9421 miaELM 0.6883 0.7683 0.6867 0.7450 0.6933 0.6900 0.7083 0.7042 GAELM 0.7337 0.7402 0.7403 0.7532 0.7727 0.7728 0.7845 0.8052 AGAELM 0.8095 0.8214 0.8230 0.8333 0.8452 0.8571 0.8630 0.8690

Brain数据集下各算法分类精度

【相似文献】

相关期刊论文 前10条

1 蒋焰;丁晓青;;基于多步校正的改进AdaBoost算法[J];清华大学学报(自然科学版)网络.预览;2008年10期

2 李军;闫佳佳;;基于KELM-AdaBoost方法的短期风电功率预测（英文）[J];控制工程;2019年03期

3 王伦;;Adaboost-SVM多因子选股模型[J];经济研究导刊;2019年10期

4 叶晓波;秦海菲;吕永林;;一种改进的Adaboost-BP算法在手写数字识别中的研究[J];大理大学学报;2019年06期

5 严智;张鹏;谢川;张钰林;李保军;;一种快速AdaBoost.RT集成算法时间序列预测研究[J];电子测量与仪器学报;2019年06期

6 李闻;王显博;;基于Adaboost算法的人脸检测的研究[J];中外企业家;2019年26期

7 李伟;严珂;陆慧娟;叶敏超;;基于Adaboost.RT算法的隧道沉降时间序列预测研究[J];中国计量大学学报;2019年03期

8 王玲娣;徐华;;AdaBoost的多样性分析及改进[J];计算机应用;2018年03期

9 杜瑞超;华继学;翟夕阳;李志鹏;;基于改进Real AdaBoost算法的软件可靠性预测[J];空军工程大学学报(自然科学版);2018年01期

10 王玲娣;徐华;;一种基于聚类和AdaBoost的自适应集成算法[J];吉林大学学报(理学版);2018年04期

相关会议论文 前10条

1 蔡念;金丰;阮恭勤;潘晴;许少秋;;基于AdaBoost算法的图像复原方法[A];第十五届全国图象图形学学术会议论文集[C];2010年

2 ;Using Skin Color and HAD-AdaBoost Algorithm for Face Detection in Color Images[A];Information Technology and Computer Science—Proceedings of 2012 National Conference on Information Technology and Computer Science[C];2012年

3 Wen Feng;;A Novel Lips Detection Method Combined Adaboost Algorithm and Camshift Algorithm[A];2012年计算机应用与系统建模国际会议论文集[C];2012年

4 陆文聪;钮冰;金雨欢;;基于AdaBoost算法的亚细胞位置预测[A];中国化学会第26届学术年会化学信息学与化学计量学分会场论文集[C];2008年

5 陈宏伟;刘建伟;费向东;;一种半监督环境下的Adaboost算法[A];2008'中国信息技术与应用学术论坛论文集（二）[C];2008年

6 唐晓丹;苗振江;;基于AdaBoost和粒子滤波的目标跟踪[A];第十四届全国图象图形学学术会议论文集[C];2008年

7 于淼;李乃民;王宽全;贾丹兵;闫子飞;;基于AdaBoost的中医舌诊分类算法研究[A];第二次全国中西医结合诊断学术研讨会论文集[C];2008年

8 李晶;陈媛媛;;基于AdaBoost的车牌字符识别模型研究[A];2008中国仪器仪表与测控技术进展大会论文集（Ⅰ）[C];2008年

9 张超;苗振江;;基于AdaBoost的面部信息感知[A];第十三届全国信号处理学术年会（CCSP-2007）论文集[C];2007年

10 郭翌;汪源源;;基于Adaboost算法的颈动脉粥样硬化判别方法[A];中国仪器仪表学会第十一届青年学术会议论文集[C];2009年

相关重要报纸文章 前1条

1 张阳;5G时代，AI能走多远？[N];人民邮电;2019年

相关博士学位论文 前10条

1 刘冲;模拟电路故障诊断AdaBoost集成学习方法研究[D];大连海事大学;2011年

2 Ebenezer Owusu;[D];江苏大学;2014年

3 习文星;移动背景下视觉的行人检测、识别与跟踪技术研究[D];中国科学院研究生院(上海技术物理研究所);2015年

4 卢金娜;基于优化算法的径向基神经网络模型的改进及应用[D];中北大学;2015年

5 卢岩;交通监控中的运动人体目标检测与跟踪[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2011年

6 王小明;可变光照下人脸检测与识别研究[D];华东师范大学;2010年

7 孙元;多媒体语义检索关键问题研究[D];吉林大学;2010年

8 王颖;成熟microRNA识别及其功能预测方法研究[D];哈尔滨工程大学;2016年

9 吴暾华;面向中医面诊诊断信息提取的若干关键技术研究[D];厦门大学;2008年

10 高常鑫;基于上下文的目标检测与识别方法研究[D];华中科技大学;2010年

相关硕士学位论文 前10条

1 赵晋川;融合AdaBoost和GRU方法的地质分层识别研究[D];华北电力大学(北京);2019年

2 赵云红;基于Adaboost改进的BP神经网络地表沉陷预测研究[D];西安科技大学;2019年

3 王强;基于AdaBoost回归树的电网基建投资模型研究[D];电子科技大学;2019年

4 王珊珊;基于AdaBoost和ELM的语音情感识别研究[D];天津师范大学;2019年

5 郑伟华;基于MCP惩罚的AdaBoost集成剪枝技术的研究[D];江西财经大学;2019年

6 陈天昕;基于AdaBoost与SVM集成算法的高炉炉温状态解析[D];江西财经大学;2019年

7 刘树灿;基于BP_Adaboost算法的轨面状态识别研究[D];湖南工业大学;2019年

8 周靖;基于机器学习的《红楼梦》作者问题研究[D];云南大学;2018年

9 邓颀;人脸检测技术的研究与实现[D];杭州电子科技大学;2016年

10 杨凯杰;基于图像处理的车辆异常行为分析研究[D];中国计量大学;2018年

本文编号：2784278