一种基于独立分量集成学习的基因微阵列数据预测方法

摘要

本发明涉及一种基于独立分量集成学习的基因微阵列数据预测方法，该方法依据独立分量集成判别系统的微阵列数据判别，其步骤包括：对微阵列数据进行独立分量分析变化；基于随机分量选择的独立分量分类器构建；分类器集成系统的构造。首先对微阵列数据进行独立分量变换，在获得的独立分量集合中，随机选择一个子集构造分类器。重复构造50个分类器，在此基础上，由加权投票法将这些基分类器组合构成一个分类器集成系统。本发明保证了使用的独立分量分类器集成系统比单个分类器有较高的精确度和稳健性；无需考虑具体参数选择的问题，提高了系统的易用性；集成分类器训练时间、存储容量要求不高。