长春大学学报（自然科学版）
長春大學學報（自然科學版）
장춘대학학보（자연과학판）
JOURNAL OF CHANGCHUN UNIVERSITY
2013年
6期
1525-1527,1534
,共4页
特征简约%PCA-SVM%KPCA-SVM%累计贡献率
特徵簡約%PCA-SVM%KPCA-SVM%纍計貢獻率
특정간약%PCA-SVM%KPCA-SVM%루계공헌솔
characteristics simplicity%PCA-SVM%KPCA-SVM%cumulative contribution rate
采用支持向量机方法( SVM)对上千维的基因表达数据分析时,算法的运行时间比较长。为了解决这种情况,本文采用了基于主成分分析的支持向量机( PCA-SVM )和基于核主成分分析的支持向量机( KPCA-SVM )两种算法对数据进行降维和分类,既可以整合基因数据的特征信息又可以缩短计算时间。本文比较了累计贡献率不同时两种算法的分类准确率,实验结果表明,PCA-SVM分类准确率与累计贡献率二者之间没有明确规律,KPCA-SVM分类准确率随累计贡献率的降低存在降低或者保持不变的趋势。
採用支持嚮量機方法( SVM)對上韆維的基因錶達數據分析時,算法的運行時間比較長。為瞭解決這種情況,本文採用瞭基于主成分分析的支持嚮量機( PCA-SVM )和基于覈主成分分析的支持嚮量機( KPCA-SVM )兩種算法對數據進行降維和分類,既可以整閤基因數據的特徵信息又可以縮短計算時間。本文比較瞭纍計貢獻率不同時兩種算法的分類準確率,實驗結果錶明,PCA-SVM分類準確率與纍計貢獻率二者之間沒有明確規律,KPCA-SVM分類準確率隨纍計貢獻率的降低存在降低或者保持不變的趨勢。
채용지지향량궤방법( SVM)대상천유적기인표체수거분석시,산법적운행시간비교장。위료해결저충정황,본문채용료기우주성분분석적지지향량궤( PCA-SVM )화기우핵주성분분석적지지향량궤( KPCA-SVM )량충산법대수거진행강유화분류,기가이정합기인수거적특정신식우가이축단계산시간。본문비교료루계공헌솔불동시량충산법적분류준학솔,실험결과표명,PCA-SVM분류준학솔여루계공헌솔이자지간몰유명학규률,KPCA-SVM분류준학솔수루계공헌솔적강저존재강저혹자보지불변적추세。
When the support vector machine ( SVM) method is applied in the analysis of gene expression datum with thousands of di-mensions, the running time of the algorithm is much longer. In order to solve the problem, this paper uses PCA-based SVM algorithm and KPCA-based SVM algorithm to make dimension reduction and classification on the datum, which can not only integrate the charac-teristic information of gene datum, but also shorten the calculation time. It compares the classification accuracy rate of the two algo-rithms as the accumulative contribution rate is different, the experimental results show that there is not a fixed law between PCA-SVM classification accuracy rate and accumulative contribution rate, but KPCA-SVM classification accuracy rate will decline or keep un-changeable when cumulative contribution rate declines.
