基于鱼群优化算法和cholesky分解的relm的基因表达数据分类

提出一种基于鱼群优化算法和cholesky分解的改进的正则极限学习机算法(fsc-relm)来对基因表达数据进行分类。fsc-relm算法中,首先用鱼群优化算法对relm输入层权值进行优化,其中目标函数定义为误差函数的倒数；再对relm输出层权值矩阵进行分解,采用cholesky分解法进行优化,以提高算法速度,减少训练时间。为了评价算法性能,对若干标准基因数据集进行了实验,结果表明,fsc-relm算法在较短的时间内可以获得较高的分类精度,性能优异。