基于AdaBoost集成学习的演化硬件DNA微阵列数据分类.pdfVIP

２０１７ 年 １ 月 第 ３８ 卷　第 １ 期 Ｊａｎ．２０１７ Ｖｏｌ．３８　Ｎｏ．１ ｄｏｉ：１ ０．３９６９ ／ｊ．ｉｓｓｎ．１ ６７１ －７７７５．２０１ ７．０１ ．０１ ５ 基于 ＡｄａＢｏｏｓｔ 集成学习的演化硬件 ＤＮＡ 微阵列数据分类 王　进，黄　超，冉仟元，邓　欣，陈乔松 （重庆邮电大学 计算智能重庆市重点实验室，重庆 ４０００６５） 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 ＡｄａＢｏｏｓｔ 选择性集成学习方法．在系统集成阶段，介绍 了 ２ 种改进的 ＡｄａＢｏｏｓｔ 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 ＡｄａＢｏｏｓｔ 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． 关键词：机器学习；演化硬件；ＤＮＡ 微阵列；ＡｄａＢｏｏｓｔ；选择性集成 中图分类号：ＴＰ３９１ ．４　　文献标志码：Ａ　　文章编号：１ ６７１ －７７７５（２０１ ７）０１ －００８６ －０７ 引文格式：王　进，黄　超，冉仟元，等．基于 ＡｄａＢｏｏｓｔ 集成学习的演化硬件 ＤＮＡ 微阵列数据分类［Ｊ］．江苏大学学报（自然科学版）， ２０１ ７，３８（１ ）：８６ －９２． ＡｄａＢｏｏｓｔｂａｓｅｄ ｅｎｓｅｍｂｌｅ ｌｅａｒｎｉｎｇ ｏｆ ｅｖｏｌｖａｂｌｅ ｈａｒｄｗａｒｅ ｆｏｒ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ ＤＮＡ ｍｉｃｒｏａｒｒａｙ ｄａｔａ ＷＡＮＧ Ｊｉｎ，ＨＵＡＮＧ Ｃｈａｏ，ＲＡＮ Ｑｉａｎｙｕａｎ，ＤＥＮＧ Ｘｉｎ，ＣＨＥＮ Ｑｉａｏｓｏｎｇ （Ｃｈｏｎｇｑｉｎｇ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ，Ｃｈｏｎｇｑｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｐｏｓｔｓ ａｎｄ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｃｈｏｎｇｑｉｎｇ ４０００６５，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｏ ｓｏｌｖｅ ｔｈｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｉｓｓｕｅｓ ｏｆ ＤＮＡ ｍｉｃｒｏａｒｒａｙ ｄａｔａ ａｎｄ ｅｎｈａｎｃｅ ｔｈｅ ｒｅｃｏｇｎｉｔｉｏｎ ｒａｔｅ，ａｎ ＡｄａＢｏｏｓｔｂａｓｅｄ ｓｅｌｅｃｔｉｖｅ ｅｎｓｅｍｂｌｅ ｌｅａｒｎｉｎｇ ｍｅｔｈｏｄ ｗａｓ ｐｒｏｐｏｓｅｄ ｗｉｔｈ ｅｖｏｌｖａｂｌｅ ｈａｒｄｗａｒｅ （ＥＨＷ） ｍｕｌｔｉｐｌｅ ｃｌａｓｓｉｆｉｅｒｓ．Ａｔ ｔｈｅ ｓｙｓｔｅｍ ｅｎｓｅｍｂｌｅ ｓｔａｇｅ，ｔｗｏ ｉｍｐｒｏｖｅｄ ＡｄａＢｏｏｓｔ ａｌｇｏｒｉｔｈｍｓ ｗｅｒｅ ｉｎｔｒｏｄｕｃｅｄ．Ａ ｓａｍｐｌｅ ｌａｂｅｌｉｎｇ ｍｅｔｈｏｄ ｗａｓ ｕｓｅｄ ｔｏ ｉｍｐｒｏｖｅ ｔｈｅ ｅｆｆｅｃｔｉｖｅ ｃａｐａｃｉｔｙ ｏｆ ｓａｍｐｌｉｎｇ，ａｎｄ ａ ｓｅｌｅｃｔｉｖｅ ｅｎｓｅｍｂｌｅ ｓｔｒａｔｅｇｙ ｗａｓ ｅｍｐｌｏｙｅｄ ｔｏ ｄｉｒｅｃｔｌｙ ｐｒｏｍｏｔｅ ｔｈｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｐｒｅｃｉｓｉｏｎ ｏｆ