基于特征选择与分类算法的基因微阵列数据挖掘

下载PDF

导出

摘要特征选择和分类在数据挖掘中是非常重要的任务。特征选择将对结果影响较大的特征选择出来,让后期的机器学习变得简单而有效。分类能把数据库中的数据项映射到给定类别中的某一个,这种技术目前在商业上得到广泛应用。本文在特征选择、分类的背景和意义的基础上,将其应用于基因微阵列数据中。

作者张瑞春张春霞马文凯

机构地区河南交通职业技术学院武汉大学

出处《福建电脑》 2008年第1期66-67,共2页 Journal of Fujian Computer

关键词数据挖掘特征选择分类器基因微阵列数据

参考文献1

1张薇,李殿俊,石玉枝.肺腺癌癌旁组织及胚胎肺的基因表达谱研究[J].中华肿瘤杂志,2004,26(8):451-453. 被引量：3
2胡炳强,肖高明,罗以,周石林,席许平,欧阳取长.微阵列技术筛选肺鳞癌分子标志物的研究[J].中华肿瘤杂志,2004,26(11):660-663. 被引量：1
3刘连新,武林枫,谢向晨,姜洪池,刘芝华,吴旻.肝癌细胞系BEL-7402与正常肝组织基因表达概况差异[J].中华实验外科杂志,2005,22(8):930-932. 被引量：1
4李艳,吴素慧.功能基因组学在研究宫颈癌相关基因方面的应用[J].临床和实验医学杂志,2006,5(12):2026-2027.
5丁峰,辛殿祺,潘柏年.转录相关锌带蛋白基因在肾癌组织中的表达[J].中华肿瘤杂志,2008,30(11):821-824. 被引量：2

1杜洪波,董文娟.Relief-PSO混合算法在基因微阵列特征选择中的应用[J].沈阳工程学院学报（自然科学版）,2016,12(3):267-271. 被引量：3
2范方云,孙俊,王梦梅.一种基于改进的遗传算法的癌症特征基因选择方法[J].江南大学学报（自然科学版）,2015,14(4):413-418. 被引量：1
3许珊娜,祁云嵩.基于遗传算法的基因微阵列数据聚类[J].微电子学与计算机,2012,29(4):123-125. 被引量：2
4孟军,李锐,郝涵.基于相交邻域粗糙集的基因微阵列数据分类[J].计算机科学,2015,42(6):37-40. 被引量：4
5李学斌.采用LE非线性降维技术的SVM基因微阵列数据分析[J].网络财富,2010(21):221-221.
6李强,石陆魁,刘恩海,王歌.基于流形学习的基因微阵列数据分类方法[J].郑州大学学报（工学版）,2012,33(5):121-124. 被引量：1
7祁云嵩,孙怀江,宋余庆,谢军.基于近似约简的基因选择方法[J].江苏科技大学学报（自然科学版）,2009,23(1):56-60.
8袁科.基于Double-Bagging决策树的基因微阵列数据研究[J].湖北汽车工业学院学报,2009,23(2):40-43. 被引量：1
9刘青,李海峰,袁科.微阵列数据中一种改进Bagging决策树算法的研究[J].计算机工程与科学,2005,27(6):78-80.
10余伟峰,钱夕元.基于KNN图的两阶段孤立点检测及应用研究[J].计算机工程与应用,2008,44(2):186-189. 被引量：1

福建电脑

2008年第1期

内容加载中请稍等...