医学信息
醫學信息
의학신식
MEDICAL INFORMATION
2013年
22期
626-626
,共1页
特征基因%信息熵%主成份分析%集成神经网络
特徵基因%信息熵%主成份分析%集成神經網絡
특정기인%신식적%주성빈분석%집성신경망락
针对基因表达数据维数高、样本量小及噪音大等因素，造成基因选取困难的问题。本文提出一种组合式的肿瘤信息基因选择策略，首先用信息熵对 Relief算法和RFSC算法复合剔除分类无关基因，再用PCA对特征基因降维，最后用集成神经网络评估分类能力，实验结果为特征基因选取14个，检测率达95.16%。
針對基因錶達數據維數高、樣本量小及譟音大等因素，造成基因選取睏難的問題。本文提齣一種組閤式的腫瘤信息基因選擇策略，首先用信息熵對 Relief算法和RFSC算法複閤剔除分類無關基因，再用PCA對特徵基因降維，最後用集成神經網絡評估分類能力，實驗結果為特徵基因選取14箇，檢測率達95.16%。
침대기인표체수거유수고、양본량소급조음대등인소，조성기인선취곤난적문제。본문제출일충조합식적종류신식기인선택책략，수선용신식적대 Relief산법화RFSC산법복합척제분류무관기인，재용PCA대특정기인강유，최후용집성신경망락평고분류능력，실험결과위특정기인선취14개，검측솔체95.16%。
