极限学习机集成在肿瘤分类中的应用

作者：陆慧娟; 张金伟; 马小平; 郑文斌

来源：数学的实践与认识, 2012, (17): 148-154.

• 极限学习机
• 数据集分割
• 肿瘤分类
• 集成 extreme learning machine
• data splitting
• tumor classification
• ensemble

提出一种基于数据集分割的极限学习机集成算法——DS-E-ELM.该算法主要包含以下3个步骤:首先,将数据集分成互不相关的κ个子集,选择κ一1个子集组合成一个训练集,这样可以得到κ个不同的数据集;然后将新得到的κ个数据集利用极限学习机训练得到κ个分类器;最后对κ个分类器预测得到的结果通过多数投票的方法决定预测结果.通过对6个肿瘤数据集的实验证明,DS-E-ELM与单独的ELM、Bagging、Boosting等算法相比,具有更高的分类精度,且稳定性更好.

• 出版日期2012
• 单位中国矿业大学; 中国矿业大学（北京）; 中国计量大学