[发明专利]一种基于独立分量集成学习的基因微阵列数据预测方法

摘要

本发明涉及一种基于独立分量集成学习的基因微阵列数据预测方法，该方法依据独立分量集成判别系统的微阵列数据判别，其步骤包括：对微阵列数据进行独立分量分析变化；基于随机分量选择的独立分量分类器构建；分类器集成系统的构造。首先对微阵列数据进行独立分量变换，在获得的独立分量集合中，随机选择一个子集构造分类器。重复构造50个分类器，在此基础上，由加权投票法将这些基分类器组合构成一个分类器集成系统。本发明保证了使用的独立分量分类器集成系统比单个分类器有较高的精确度和稳健性；无需考虑具体参数选择的问题，提高了系统的易用性；集成分类器训练时间、存储容量要求不高。

主权项

1.一种基于独立分量集成学习的基因微阵列数据预测方法，其特征在于该方法的操作步骤如下：数据的获取与预处理，对试验的训练样本进行独立分量分析(IndependentComponent Analysis，简写为ICA)变化，获得一组独立分量(IndependentComponent，简写为IC)集合；独立分量子集的生成，从IC分量集合中随机有重复地选择出一半的IC分量，用于构建一个IC分量子集，重复以上步骤50次，形成50个独立的IC分量子集；基分类器的生成，使用生成的IC分量子集分别用于训练最近邻分类器，从而构造50个基于随机独立分量选择的最近邻分类器；将新样本在各个新的IC分量子集所代表的分量空间中进行变换，而后分别使用50个最近邻分量器对新样本进行测试，测试的输出使用加权投票法进行综合，从而构建出一个分类器集成系统。