文献类型：期刊文章

作　　者：林宇鹏[1] 谢智歌[2,3] 徐凯[3] 陈飞[4] 刘利刚[1]

LIN Yupeng;XIE Zhige;XU Kai;CHEN Fei;LIU Ligang(School of Mathematical Sciences, University of Science and Technology of China, Hef ei 230026, China;71939 Unit, Jinan 250300, China;School of Computer, National University of Defense Technology, Changsha 410073, China;The Second Xiangya Hospital, Central South University, Changsha 410073, China)

机构地区：[1]中国科学技术大学数学科学学院 [2]中国人民解放军71939部队 [3]国防科技大学计算机学院 [4]中南大学湘雅二医院

出　　处：《中国科学技术大学学报》

基　　金：国家自然科学基金(61672482;11526212;61572507;61540065);中国科学院"百人计划"资助

年　　份：2018

卷　　号：48

期　　号：2

起止页码：154-160

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：利用基于局部感受野的超限学习机(ELM-LRF)算法从给定的基因表达数据中提取有效的特征来进行癌症检测与分类.首先使用主成分分析(PCA)方法对原数据进行适当预处理,减少数据中存在的冗余,然后构建特定的特征映射,将得到的数据映射到相应特征空间中去,最后对得到的数据特征进行训练学习,得到最终训练好的特征提取模型.实验表明,ELM-LRF的学习效率更高,取得的癌症检测效果比以往方法更好.

关 键 词：超限学习机  特征学习  机器学习  分类  癌症检测  

分 类 号：TP391]