一种基于GS+LQ采样学习的DNA微阵列数据分类方法
以DNA微阵列数据分类为应用背景,提出一种GS+LQ采样训练方法,每轮采样依照“GS优先,LQ备用”的思路,优先选择训练后能生成最佳分类效果的样本进行标注学习,在GS失效的轮次,LQ作为备用方法选择学习对象.该方法综合了“快”和“稳”的特点,在实现相同精度目标下,相对于单一LQ采样,能进一步压缩训练成本,尤其在分类器初始分类经验匮乏的条件下,该优势体现更为明显.将GS+LQ与ND、MRE等常用采样方法进行实验对比,发现在促使识别能力“由高向更高”演化时,3种方法的差别并不明显,但在推进分类器精度“由低向高”进化时,GS+LQ的效率会高出很多.
全局搜索、局部查询、采样学习、DNA微阵列、最佳分类效果
32
TP181;Q812(自动化基础理论)
国家自然科学基金NSFC21271035
2015-04-27(万方平台首次上网日期,不代表论文的发表时间)
共5页
20-24