基于差异性和准确性的加权调和平均度量的 基因表达数据选择性集成算法
来源：计算机应用杂志2018年第5期北京时间：
作者：高慧云, 陆慧娟, 严珂, 叶敏超
单位：中国计量大学 信息工程学院, 杭州 310018
摘要：基分类器之间的差异性和单个基分类器自身的准确性是影响集成系统泛化性能的两个重要因素，针对差异性和准确性难以平衡的问题，提出了一种基于差异性和准确性的加权调和平均（D-A-WHA）度量基因表达数据的选择性集成算法。以核超限学习机（KELM）作为基分类器，通过D-A-WHA度量调节基分类器之间的差异性和准确性，最后选择一组准确性较高并且与其他基分类器差异性较大的基分类器组合进行集成。通过在UCI基因数据集上进行仿真实验，实验结果表明，与传统的Bagging、Adaboost等集成算法相比，基于D-A-WHA度量的选择性集成算法分类精度和稳定性都有显著的提高，且能有效应用于癌症基因数据的分类中。
关键词：选择性集成,核超限学习机,基因表达数据,差异性,准确性
基金资助：国家自然科学基金资助项目（61272315）；浙江省科技计划项目（2017C34003）。
