摘要:针对传统模式识别方法在学习具有小样本特性的DNA微阵列数据时存在的过拟合问题,本文提出了一种子空间融合演化超网络模型.该模型通过子空间划分、超边全覆盖和子空间融合三种方法降低模型对初始化的依赖,减少了对数据空间的拟合误差,提高了演化超网络的泛化能力.对四个DNA微阵列数据集的实验结果表明,子空间融合演化超网络的识别率和在小样本训练集下的泛化能力均优于参与对比的其他传统模式识别方法.
关键词:模式识别 微阵列数据分类 演化超网络 子空间 过拟合
单位:重庆邮电大学计算智能重庆市重点实验室; 重庆400065
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社