期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于BP神经网络的肿瘤特征基因选取
被引量：
6
1
作者
刘全金
李颖新
+1 位作者
朱云华
阮晓钢
《计算机工程与应用》
CSCD
北大核心
2005年第34期184-186,216,共4页
该文提出基于BP神经网络的灵敏度分析方法,并用于选取肿瘤特征基因。以结肠癌基因表达谱为例,首先定义基因对BP神经网络模型输出函数的灵敏度,递归去除灵敏度较低的若干基因,生成一组嵌套的候选特征基因子集。然后以支持向量机为分类器...
该文提出基于BP神经网络的灵敏度分析方法,并用于选取肿瘤特征基因。以结肠癌基因表达谱为例,首先定义基因对BP神经网络模型输出函数的灵敏度,递归去除灵敏度较低的若干基因,生成一组嵌套的候选特征基因子集。然后以支持向量机为分类器,检验候选特征基因子集对样本分类的贡献,选取错分率最低的候选特征基因子集为结肠癌特征基因子集。通过实验对比,该特征基因子集的分类结果优于文献给出的其他特征基因子集,表明了该方法的可行性和有效性。
展开更多
关键词
特征
选取
灵敏度
递归特征去除
BP
神经网络
在线阅读
下载PDF
职称材料
基于SVM-RFE-SFS的基因选择方法
被引量：
11
2
作者
游伟
李树涛
谭明奎
《中国生物医学工程学报》
CAS
CSCD
北大核心
2010年第1期93-99,共7页
基因微阵列数据通常包含大量与肿瘤分类无关的数据,会严重降低肿瘤诊断的准确率;基因微阵列数据还存在小样本、高维度的问题,也增加了肿瘤诊断的难度,所以必须对其进行基因选择。提出一种新的基于支持向量机(SVM)、联合递归特征去除(RFE...
基因微阵列数据通常包含大量与肿瘤分类无关的数据,会严重降低肿瘤诊断的准确率;基因微阵列数据还存在小样本、高维度的问题,也增加了肿瘤诊断的难度,所以必须对其进行基因选择。提出一种新的基于支持向量机(SVM)、联合递归特征去除(RFE)和序列前向选择(SFS)的基因选择方法。首先利用SVM计算每个基因的排序准则分数,再利用排序准则分数的一阶差分把基因划分为若干小组;对排序准则分数值最小的基因小组进行递归特征去除,消去噪声基因,同时对排序准则分数值最大的基因小组进行序列前向选择,选取有效信息基因。对白血病、结肠癌、乳腺癌基因微阵列数据的实验结果表明,所提出的方法运行效率高、分类性能好。
展开更多
关键词
基因选择
支持向量机
递归特征去除
序列前向选择
在线阅读
下载PDF
职称材料
题名
基于BP神经网络的肿瘤特征基因选取
被引量：
6
1
作者
刘全金
李颖新
朱云华
阮晓钢
机构
北京工业大学电子信息与控制工程学院
安庆师范学院物理系
出处
《计算机工程与应用》
CSCD
北大核心
2005年第34期184-186,216,共4页
基金
国家自然科学基金重点资助项目(编号:60234020)
文摘
该文提出基于BP神经网络的灵敏度分析方法,并用于选取肿瘤特征基因。以结肠癌基因表达谱为例,首先定义基因对BP神经网络模型输出函数的灵敏度,递归去除灵敏度较低的若干基因,生成一组嵌套的候选特征基因子集。然后以支持向量机为分类器,检验候选特征基因子集对样本分类的贡献,选取错分率最低的候选特征基因子集为结肠癌特征基因子集。通过实验对比,该特征基因子集的分类结果优于文献给出的其他特征基因子集,表明了该方法的可行性和有效性。
关键词
特征
选取
灵敏度
递归特征去除
BP
神经网络
Keywords
feature subset selection,sensitivity,recursive feature elimination,BP neural networks
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
Q16 [生物学—普通生物学]
在线阅读
下载PDF
职称材料
题名
基于SVM-RFE-SFS的基因选择方法
被引量：
11
2
作者
游伟
李树涛
谭明奎
机构
湖南大学电气与信息工程学院
出处
《中国生物医学工程学报》
CAS
CSCD
北大核心
2010年第1期93-99,共7页
基金
教育部新世纪优秀人才支持计划项目(NECT-2005)
湖南省杰出青年基金项目(06JJ1010)
文摘
基因微阵列数据通常包含大量与肿瘤分类无关的数据,会严重降低肿瘤诊断的准确率;基因微阵列数据还存在小样本、高维度的问题,也增加了肿瘤诊断的难度,所以必须对其进行基因选择。提出一种新的基于支持向量机(SVM)、联合递归特征去除(RFE)和序列前向选择(SFS)的基因选择方法。首先利用SVM计算每个基因的排序准则分数,再利用排序准则分数的一阶差分把基因划分为若干小组;对排序准则分数值最小的基因小组进行递归特征去除,消去噪声基因,同时对排序准则分数值最大的基因小组进行序列前向选择,选取有效信息基因。对白血病、结肠癌、乳腺癌基因微阵列数据的实验结果表明,所提出的方法运行效率高、分类性能好。
关键词
基因选择
支持向量机
递归特征去除
序列前向选择
Keywords
gene selection
support vector machine
recursive feature elimination
sequential forward selection
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于BP神经网络的肿瘤特征基因选取
刘全金
李颖新
朱云华
阮晓钢
《计算机工程与应用》
CSCD
北大核心
2005
6
在线阅读
下载PDF
职称材料
2
基于SVM-RFE-SFS的基因选择方法
游伟
李树涛
谭明奎
《中国生物医学工程学报》
CAS
CSCD
北大核心
2010
11
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
