摘要：为解决传统模式识别方法学习结果过于复杂且难以解读的问题，提出了一种基于遗传算法的演化学习超网络模型．与传统的基于梯度下降和超边替代的超网络学习算法不同，演化学习超网络模型在其学习过程中引入了遗传算法．将超网络的超边集合划分成多个子种群；对子种群中的个体进行选择、交叉和变异等遗传操作，并对每一代种群进行子种群间优秀个体的迁移．每个子种群并行执行演化操作，完成演化后得到一个具有决策能力的超网络分类器．利用演化超网络对急性白血病、肺癌和前列腺数据集进行分类试验．结果表明，演化学习超网络对3个数据集的分类准确率分别为96．21％，99．26％，96．09％．所提出的方法与其他传统的模式识别方法相比，具有更高的分类准确率，而且其学习结果具有很好的可读性，有利于挖掘与癌症诊断密切相关的基因对高阶关联关系．

原文链接:http://www.cqvip.com//QK/94803B/201401/48381721.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）