-
题名基于GA/SVM的微阵列数据特征的选择与分类
被引量：3
- 1
-
-
作者
余伟峰
王广伦
钱夕元
-
机构
华东理工大学理学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2007年第19期204-206,共3页
-
文摘
微阵列数据样本小、维度高的特点给数据分析造成了困难,而主基因的挑选又十分的重要。该文采用遗传算法挑选主基因,其中,用k最邻居距离作为模式识别方法,用支持向量机构造了诊断系统,用不同核函数进行预测分类性能测试。在经典的白血病数据集上,对34个样本的测试集的分类准确率为100%。
-
关键词
微阵列数据
基因表达
遗传算法
k最邻居距离
支持向量机
-
Keywords
microarray data
gene expression
genetic algorithm
k nearest neighbors
support vector machine（svm）
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名一种基于改进的遗传算法的癌症特征基因选择方法
被引量：1
- 2
-
-
作者
范方云
孙俊
王梦梅
-
机构
江南大学物联网工程学院
-
出处
《江南大学学报（自然科学版）》
CAS
2015年第4期413-418,共6页
-
基金
国家自然科学基金项目(61170119)
-
文摘
提出了一种基于改进的遗传算法的癌症特征基因选择方法,对基本遗传算法的交叉和变异操作加以改进,利用改进后的遗传算法对基因微阵列数据进行特征选择。使用支持向量机对基因子集进行留一交叉验证。实验结果表明,改进后的遗传算法比基本遗传算法在选择特征基因时具有明显的优势。
-
关键词
遗传算法
特征基因
微阵列数据
支持向量机
留一交叉验证
-
Keywords
genetic algorithm,feature gene,microarray data,svm,loocv
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于BQPSO算法的癌症特征基因选择与分类
- 3
-
-
作者
范方云
孙俊
-
机构
江南大学物联网工程学院
-
出处
《江南大学学报（自然科学版）》
CAS
2015年第1期11-15,共5页
-
基金
国家自然科学基金项目(61170119)
-
文摘
提出了基于二进制编码的量子行为粒子群优化算法(BQPSO)的癌症特征基因选择方法,利用BQPSO对样本数据进行特征选择。使用选出的特征基因训练支持向量机进行留一法交叉验证。实验结果表明,基于BQPSO算法的癌症特征基因选择方法是一种行之有效的方法。
-
关键词
微阵列数据
特征基因
二进制编码的量子行为粒子群优化算法
支持向量机
留一法交叉验证
-
Keywords
microarray data
feature gene
BQPSO
svm
loocv
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
