北京大学学报（自然科学版）
北京大學學報（自然科學版）
북경대학학보（자연과학판）
ACTA SCIENTIARUM NATURALIUM UNIVERSITATIS PEKINENSIS
2007年
1期
82-84
,共3页
模式识别%属性均值聚类%支持向量机%基因表达数据
模式識彆%屬性均值聚類%支持嚮量機%基因錶達數據
모식식별%속성균치취류%지지향량궤%기인표체수거
在属性均值聚类(AMC)与支持向量机(SVM)的基础上,提出了一个新的模式分类算法--基于(属性)聚类的属性支持向量机算法(AMC-ASVM).主要思想是利用属性均值聚类网络得到的具有概率信息(权重)的样本,来训练属性支持向量机,从而得到分类器.这种方法结合了属性聚类的稳定性与属性支持向量机可以利用加权样本的优点,适合处理具有强噪声的数据.另外,该方法也可以看作是堆近邻分类法的自然推广.在实验部分,将其用于结肠癌基因表达数据的处理.实验结果显示了AMC-ASVM在一定程度上优于最近邻,Boosting,堆近邻,SVM等方法.
在屬性均值聚類(AMC)與支持嚮量機(SVM)的基礎上,提齣瞭一箇新的模式分類算法--基于(屬性)聚類的屬性支持嚮量機算法(AMC-ASVM).主要思想是利用屬性均值聚類網絡得到的具有概率信息(權重)的樣本,來訓練屬性支持嚮量機,從而得到分類器.這種方法結閤瞭屬性聚類的穩定性與屬性支持嚮量機可以利用加權樣本的優點,適閤處理具有彊譟聲的數據.另外,該方法也可以看作是堆近鄰分類法的自然推廣.在實驗部分,將其用于結腸癌基因錶達數據的處理.實驗結果顯示瞭AMC-ASVM在一定程度上優于最近鄰,Boosting,堆近鄰,SVM等方法.
재속성균치취류(AMC)여지지향량궤(SVM)적기출상,제출료일개신적모식분류산법--기우(속성)취류적속성지지향량궤산법(AMC-ASVM).주요사상시이용속성균치취류망락득도적구유개솔신식(권중)적양본,래훈련속성지지향량궤,종이득도분류기.저충방법결합료속성취류적은정성여속성지지향량궤가이이용가권양본적우점,괄합처리구유강조성적수거.령외,해방법야가이간작시퇴근린분류법적자연추엄.재실험부분,장기용우결장암기인표체수거적처리.실험결과현시료AMC-ASVM재일정정도상우우최근린,Boosting,퇴근린,SVM등방법.
