神经网络集成技术是神经计算技术的一个研究热点,在许多领域已经有了成熟的应用。神经网络集成是一项相当成功的技术,它用有限个神经网络对同一个问题进行学习,集成在某输入示例下的输出由构成集成的各神经网络在该示例下的输出共同决定。负相关学习法是一种神经网络集成的训练方法,它鼓励集成中的不同个体网络学习训练集的不同部分,以使整个集成能更好的学习整个训练数据。负相关学习法通过在误差函数中使用一个惩罚项来创建集成中负相关的个体网络。微阵列技术,使人们可以同时观测成千上万个基因的表达水平,对其数据的分析已成为生物信息学研究的焦点。微阵列基因表达数据具有维数高、样本小、非线性的特点。以一个典型的微阵列基因表达数据集为背景研究了神经网络集成的理论和方法。在理论上讨论了神经网络集成的原理;针对原始负相关学习法收敛速度慢的缺点,给出改进的神经网络集成负相关学习方法;以神经网络集成理论为基础,针对微阵列基因表达数据集,实现了基于神经网络集成的基因表达数据分析软件,给出了分类器的构造模型:采用信噪比进行基因特征提取,用最小-最大方法进行规范化,用神经网络集成构造分类器,将该模型和神经网络集成的改进方法应用到一个典型的基因表达数据中,取得了较好的实验效果。