Biblioteca73.326 documentos en línea

Artículo

Applying Cost-Sensitive Extreme Learning Machine and Dissimilarity Integration to Gene Expression Data ClassificationAplicación de la máquina de aprendizaje extremo sensible a los costes y la integración de la disimilitud a la clasificación de datos de expresión génica

Resumen

La incorporación de factores sensibles a los costes en los clasificadores aumenta la estabilidad de la clasificación y reduce los costes de clasificación para clasificar conjuntos de datos a gran escala, redundantes y desequilibrados, como los datos de expresión génica. En este estudio, ampliamos nuestro trabajo anterior, es decir, el ELM Dissimilar (D-ELM), introduciendo los costes de clasificación errónea en el clasificador. Llamamos al algoritmo propuesto D-ELM sensible a los costes (CS-D-ELM). Además, incorporamos el coste de rechazo en el CS-D-ELM para aumentar la estabilidad de la clasificación del algoritmo propuesto. Los resultados experimentales muestran que el algoritmo CS-D-ELM integrado en el coste de rechazo reduce eficazmente el coste medio y global del proceso de clasificación, mientras que la precisión de la clasificación sigue siendo competitiva. El método propuesto puede extenderse a problemas de clasificación de otros datos redundantes y desequilibrados.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento