多分类器集成系统在卷烟感官评估中的应用

烟草化学成分与感官质量存在着某种对应关系,使用传统的单一分类器方法进行卷烟感官评估指标预测对数据样本依赖性强,且无法克服噪声影响。采用了k-NN(k=3)、k-NN(k=5)、C4.5、BPNN、SVM五种不同的分类方法进行卷烟感官质量的评估预测,并比较了它们的预测正确率,结果表明SVM和k-NN效果较好;同时用不同的采样方法和投票方法搭建了6种多分类器集成系统进行感官评估,实验可得多分类器集成可以起到比单一分类器更好的效果,其中基于训练表现的加权投票方法(不抽样)具有较高的正确率,对于指标光泽、香气、谐调、杂气、刺激和余味的预测准确率分别为90.63%、62.18%、97.20%、86.74%、74.17%和72.16%,比单一分类器中最好的结果分别改进0.69%、0.32%、0.28%、0.59%、0.52%和1.78%。

DNA微阵列数据判别的旋转森林方法

目的探讨旋转森林算法在DNA微阵列数据分类中的应用。方法通过对四个经典基因表达数据的分析考察旋转森林的分类效果,并与其他分类器进行比较,进一步调整算法参数并研究其对分类效果产生的影响。结果旋转森林对基因表达数据有较高且稳定的分类准确性,除了线性变换方式和集成规模对分类性能影响较大,分类效果不随算法其他几个主要参数变化。结论旋转森林在基因表达谱数据分类中有较好的判别结果。