fcbf特征选择步骤_基于FCBF特征选择和集成优化学习的基因表达数据分类算法

基于

FCBF

特征选择和集成优化学习的基因表达数据分类

算法

马超

【期刊名称】

《计算机应用研究》

【年

(

卷

),

期】

2019(036)010

【摘要】

针对微阵列基因表达数据高维小样本、高冗余且高噪声的问题

,

提出一

种基于

FCBF

特征选择和集成优化学习的分类算法

FICS-EKELM.

首先使用快速

关联过滤方法

FCBF

滤除部分不相关特征和噪声

,

找出与类别相关性较高的特征

集合

;

其次

,

运用抽样技术生成多个样本子集

,

在每个训练子集上利用改进乌鸦搜

索算法同步实现最优特征子集选择和核极限学习机

KELM

分类器参数优化

;

然后

基于基分类器构建集成分类模型对目标数据进行分类识别

;

此外运用多核平台多

线程并行方式进一步提高算法计算效率

.

在六组基因数据集上的实验结果表明

,

该

算法不仅能用较少特征基因达到较优的分类效果

,

并且分类结果显著高于已有和

相似方法

,

是一种有效的高维数据分类方法

.

【总页数】

6

页

(2986-2991)

【关键词】

特征选择

;

集成学习

;

微阵列基因表达数据

;

乌鸦搜索算法

;

核极限学

习机

【作者】

马超

【作者单位】

深圳信息职业技术学院数字媒体学院

广东深圳

518172

【正文语种】

中文

【中图分类】

TP183

【相关文献】