基于AdaBoost集成学习的演化硬件DNA微阵列数据分类

发布时间：2018-11-04 10:11

【摘要】：为了更好地解决DNA微阵列数据的分类问题并进一步提高系统的识别率,提出了一种用于DNA微阵列数据分类的演化硬件多分类器Ada Boost选择性集成学习方法.在系统集成阶段,介绍了2种改进的Ada Boost算法,分别探讨了以样本标记提升抽样有效容量和直接面向组合分类器分类精度提升的选择性集成策略.对急性白血病、肺癌、结肠癌数据集进行了试验.结果表明,基于Ada Boost集成学习的演化硬件方法对白血病、肺癌、结肠癌的平均识别率为97.06%,99.32%,和94.44%.相对于传统演化硬件集成学习方法,文中方法保证更优识别率的同时有效降低了硬件实现代价.
[Abstract]:In order to better solve the problem of DNA microarray data classification and further improve the recognition rate of the system, an evolutionary hardware multi-classifier Ada Boost selective ensemble learning method for DNA microarray data classification is proposed. In the phase of system integration, two kinds of improved Ada Boost algorithms are introduced, and the selective integration strategy of raising the sampling effective capacity by sample marking and directly improving the classification accuracy of combinatorial classifier is discussed respectively. The data sets of acute leukemia, lung cancer and colon cancer were tested. The results show that the average recognition rate of the evolutionary hardware method based on Ada Boost integrated learning for leukemia, lung cancer and colon cancer is 97.06% and 94.4444% respectively. Compared with the traditional evolutionary hardware ensemble learning method, the proposed method ensures better recognition rate and reduces the cost of hardware implementation.
【作者单位】： 重庆邮电大学计算智能重庆市重点实验室;
【基金】：国家自然科学基金资助项目(61203308,61309014,61403054) 重庆市基础与前沿研究计划项目(cstc2014jcyj A40001) 重庆教委科学技术研究项目(KJ1400436)
【分类号】：Q811.4;TP181

【相似文献】

相关期刊论文 前10条

1 王海川,张立明;一种新的Adaboost快速训练算法[J];复旦学报(自然科学版);2004年01期

2 李振;;基于Adaboost的人脸检测[J];科技信息(科学教研);2007年31期

3 李亚琼;赵春晖;潘泉;张绍武;;新的AdaBoost算法评价体系[J];计算机工程与应用;2009年08期

4 何海燕;施培蓓;;基于改进AdaBoost算法的行人检测方法[J];安庆师范学院学报(自然科学版);2009年03期

5 戴青云;程俊红;;AdaBoost算法在人脸识别中的应用[J];黑龙江科技信息;2009年36期

6 刘礼辉;;基于Adaboost的快速人脸检测系统[J];科技风;2009年03期

7 吕慧娟;武澎;;基于改进的AdaBoost算法的人脸检测[J];河南大学学报(自然科学版);2010年01期

8 李锐;王卷乐;任正超;;基于AdaBoost算法的城镇建设用地遥感动态提取研究[J];国土资源遥感;2010年02期

9 李文辉;倪洪印;;一种改进的Adaboost训练算法[J];吉林大学学报(理学版);2011年03期

10 韩敏;穆大芸;;基于Adaboost算法的回声状态网络预报器[J];控制理论与应用;2011年04期

相关会议论文 前10条

1 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

2 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

3 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

4 张红梅;高海华;王行愚;;抑制样本噪声的AdaBoost算法及其在入侵检测中的应用[A];2007年中国智能自动化会议论文集[C];2007年

5 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

6 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

7 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

8 张彬;金连文;;基于AdaBoost的手写体汉字相似字符识别[A];第二十六届中国控制会议论文集[C];2007年

9 ;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

10 肖磊;李丽;肖佳文;;基于AdaBoost-SVM的上市公司信用风险评估[A];2012管理创新、智能科技与经济发展研讨会论文集[C];2012年

相关博士学位论文 前4条

1 佟旭;基于复杂网络理论的糖尿病肾病辨证建模研究[D];北京中医药大学;2016年

2 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

3 张太宁;人眼注视点估计方法的研究[D];南开大学;2013年

4 赵培英;基于智能计算的膜蛋白结构与相互作用预测研究[D];东华大学;2010年

相关硕士学位论文 前10条

1 皮丽琴;基于AdaBoost-GASVM算法和LDA主题模型的短文本分类研究[D];华南理工大学;2015年

2 孙斌;一种基于Adaboost的实时行人检测算法[D];华南理工大学;2015年

3 蔡泽彬;基于视频分析的行人检测及统计方法研究[D];华南理工大学;2015年

4 游晴;Adaboost人脸检测算法研究及其在硬件平台上的实现[D];昆明理工大学;2015年

5 宋雨;基于视觉图片的脑—机接口控制研究[D];天津理工大学;2015年

6 林欣;基于改进肤色模型的AdaBoost人脸检测算法研究[D];陕西科技大学;2015年

7 袁浩杰;Adaboost算法的并行化及其在目标分类中的应用[D];华南理工大学;2015年

8 张恒;基于近红外图像的疲劳驾驶检测研究与系统实现[D];长安大学;2015年

9 朱非易;基于不平衡学习的蛋白质—维生素绑定位点预测研究[D];南京理工大学;2015年

10 张元;一种基于AdaBoost的组合分类算法研究[D];四川师范大学;2015年

，

本文编号：2309511