一种基于核宽度学习系统的渐进式集成分类方法

摘要

本发明公开了一种基于核宽度学习系统的渐进式集成分类方法，包括步骤：1）输入训练样本和测试样本；2）使用原始训练数据训练一个核宽度学习系统作为基分类器；3）根据第一个基分类器的训练结果计算预测残差，作为下一个基分类器训练的标签；4）当训练的损失函数值降低率达到阈值，停止训练，不再继续增加基分类器；5）对测试样本进行分类，得到最后的预测结果。本发明通过利用宽度学习系统不需要冗长的反向传播的同时，引入核映射技术提高了分类器的非线性拟合能力，并使用集成的手段融合多个基分类器，在带噪音的生物信息数据集上具有明显提升效果，有助于提高生物基因分类的准确率。