陈晓青
- 作品数：3 被引量：24H指数：2
- 供职机构：中国计量大学更多>>
- 发文基金：浙江省自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术生物学更多>>
- 改进PSO算法与ELM在基因数据分类中的应用
- 当今社会癌症的发病率愈来愈高，对人类的威胁日渐加重，伴随生物医学的快速发展，基因分类技术不断的得到完善，并逐渐趋向成熟。在数据挖掘领域中早就出现生物医学的身影，通过使用机器学习算法完成对癌症等恶性肿瘤疾病数据的分类、识别...
- 陈晓青
- 关键词：极限学习机粒子群小波核函数混沌序列
- 基于探测粒子群的小波核极限学习机算法被引量：2
- 2016年
- 在分析核极限学习机原理的基础上,将小波函数作为核函数运用于极限学习机中,形成小波核极限学习机(WKELM)。实验表明,该算法提高了分类性能,增加了鲁棒性。在此基础上利用探测粒子群(Detecting Particle Swarm Optimization,DPSO)对WKELM参数优化,最终得到分类效果较优的DPSO-WKELM分类器。通过采用UCI基因数据进行仿真,将该分类结果与径向基核极限学习机(KELM)、WKELM等算法结果进行比较,得出所提算法具有较高的分类精度。
- 陈晓青陆慧娟关伟郑文斌
- 自适应混沌粒子群算法对极限学习机参数的优化被引量：22
- 2016年
- 针对极限学习机(ELM)在处理非线性数据时效果不理想,并且ELM的参数随机化不利于模型泛化的特点,提出了一种改进的极限学习机算法。结合自适应混沌粒子群(ACPSO)算法对ELM的参数进行优化,以增强算法的稳定性,提高ELM对基因表达数据分类的精度。在UCI基因数据集上进行仿真实验,实验结果表明,与探测粒子群-极限学习机(DPSO-ELM)、粒子群-极限学习机(PSO-ELM)等算法相比,自适应混沌粒子群-极限学习机(ACPSOELM)算法具有较好的稳定性、可靠性,且能有效提高基因分类精度。
- 陈晓青陆慧娟郑文斌严珂
- 关键词：自适应极限学习机混沌粒子群
