基于双重扰动与改进教与学优化算法的DNA微阵列集成分类

针对 DNA 微阵列的高维、小样本及高冗余等特点，提出了一种新的集成分类方法．基于 bootstrap 技术的样 本扰动和 kruskalwallis 与邻域互信息的特征扰动训练多个具有较大差异性和较高准确性的基分类器；针对教与学 优化算法易陷入局部最优、优化精度不高和收敛速度较慢等不足， 从“教”与“自学”过程入手， 设计了一种改进的 教与学优化算法实现基分类器的选择性集成，并用于 DNA 微阵列分类．仿真实验结果表明: 该方法在分类精度、集 成规模、稳定性等方面具有较强的优势