|
|||||
|
|
| PSO和Cholesky分解的KELM的基因表达数据分类 | |
| 作者单位： | ;1.中国计量大学信息工程学院 |
| 摘 要： | 核极限学习机(KELM)可使低维空间中线性不可分的数据变得线性可分,增加了ELM算法的鲁棒性,但KELM算法的输入权值参数采用随机初始化,容易导致算法不稳定.为此,本研究提出用粒子群优化算法对KELM中的权值初始参数进行优化、设定,以得到优化的分类器PSO-KELM.由于该算法输出权值求解采用传统的矩阵求逆运算,导致计算复杂,因此再对KELM的输出权值采用Cholesky分解进行优化.经一些标准基因数据集的实验表明,提出的PSO-KELM算法与已有的ELM、KELM、PSO-ELM相比分类精度更高,适用于基因表达数据分类. |
| 关 键 词： | 核极限学习机 粒子群优化算法 Cholesky分解 基因表达数据分类 |
An improved KELM on PSO algorithm and Cholesky decomposition for gene expression data classification |
|
| Abstract: | |
| Keywords: | |