融合SVM-RFE与层次分析-信息量模型的地质灾害易发性评价 被引量：2

1

作者 李文杰 巨能攀 +2 位作者 王栋 陈浩 解明礼 《自然灾害学报》 北大核心 2025年第3期99-109,共11页

我国地质灾害频发,严重威胁人民群众的生命及财产安全,开展地质灾害易发性评价工作对地质灾害防治起着重要的作用。目前,针对地质灾害易发性评价,其评价因子的选取多为单一定性分析,主观性较强,缺乏科学性,同时因子之间的相互关系考虑... 我国地质灾害频发,严重威胁人民群众的生命及财产安全,开展地质灾害易发性评价工作对地质灾害防治起着重要的作用。目前,针对地质灾害易发性评价,其评价因子的选取多为单一定性分析,主观性较强,缺乏科学性,同时因子之间的相互关系考虑较少。文中以林芝市为例,选取高程、坡度、坡向等14个初始影响因子,通过基于支持向量机的递归特征消除(support vector machine-recursive feature elimination,SVM-RFE)算法对因子进行重要性排序及筛选,采用皮尔逊相关性分析考虑因子之间的相互关系,结合重要性排序消除相关性较高的因子,从而确定出了12组易发性评价因子,并基于层次分析-信息量模型开展林芝市地质灾害易发性评价,采用成功率曲线进行结果精度检验。结果表明:研究区内地质灾害极高易发区和高易发区主要集中在主道路及其附近,以及主要水系延伸地区;高易发区是研究区内所占面积最广的区域,面积为45 312.16 km^(2),占林芝市总面积的30.37%。根据评价结果精度检验得到曲线下面积(area under curve,AUC)值为0.846,表明本方法开展地质灾害易发性评价的准确率较高,可为林芝市地质灾害防治和经济建设提供科学依据。 展开更多

关键词 svm-rfe 层次分析-信息量模型 地质灾害 评价因子 易发性评价

原文传递

基于改进型SVM-RFE算法的输气管道积液风险研究

2

作者 郭永杰 洪祥 杨绍军 《西部特种设备》 2025年第4期42-50,共9页

本文在室内实验数据库构建的基础上,选用支持向量机递归特征消除算法(SVM-RFE)对积液的影响因素进行量化排序,并采用粒子群优化算法(PSO)对SVM-RFE算法的惩罚因子c和核函数参数g寻优过程进行优化。结果显示算法预测得到的重要度排名为:... 本文在室内实验数据库构建的基础上,选用支持向量机递归特征消除算法(SVM-RFE)对积液的影响因素进行量化排序,并采用粒子群优化算法(PSO)对SVM-RFE算法的惩罚因子c和核函数参数g寻优过程进行优化。结果显示算法预测得到的重要度排名为:气相折算速度、液相折算速度、气相黏度、液相密度、温度、管径、倾角、界面张力、压力、液相黏度、气相密度。对重要度排序前六的参数进行了敏感性分析,结果表明:气相折算速度越大、液相折算速度越小、气相黏度越小、液体密度越小、管径越大,积液越严重。本文建立的积液影响因素重要度排名模型具有预测精度高、稳定性强的优点,可为输气管线积液风险识别及管控提供理论支撑。 展开更多

关键词 积液 支持向量机递归特征消除算法 粒子群优化算法 排序

在线阅读 下载PDF 职称材料

基于SVM-RFE-BPSO算法的特征选择方法 被引量：15

3

作者 林俊 许露 刘龙 《小型微型计算机系统》 CSCD 北大核心 2015年第8期1865-1868,共4页

为了在特征选择中获得具有较高分类准确率的特征子集,提出了一种基于支持向量机递归特征消除法(SVM-RFE)和二进制粒子群算法(BPSO)的特征选择方法.该方法首先利用SVM-RFE快速去掉部分无关特征,初步缩减数据维数,然后以粒子群算法继续搜... 为了在特征选择中获得具有较高分类准确率的特征子集,提出了一种基于支持向量机递归特征消除法(SVM-RFE)和二进制粒子群算法(BPSO)的特征选择方法.该方法首先利用SVM-RFE快速去掉部分无关特征,初步缩减数据维数,然后以粒子群算法继续搜索最优子集,并将SVM-RFE算法得到的优良子作为粒子群算法的部分初始种群,使后续粒子群算法有一个较好的搜索起点.SVM-RFE既减少了粒子的搜索空间,又为其提供了先验知识,从而提高算法的搜索效率和识别精度.实验结果表明,该方法可以在分类准确率更高或相等的情况下得到维数更少的子集. 展开更多

关键词 支持向量机 特征选择 svm-rfe 粒子群算法

在线阅读 下载PDF 职称材料

一种SVM-RFE高光谱数据特征选择算法 被引量：16

4

作者 张睿 马建文 《武汉大学学报（信息科学版）》 EI CSCD 北大核心 2009年第7期834-837,共4页

提出了一种基于一对一(one-verse-one,OVO)多类策略的支持向量机递归特征约减算法(supportvector machine recursive feature elimination,SVM-RFE)用于高光谱数据的特征选择。对比分析了该算法所选择波段与基于一对多(one-verse-all,O... 提出了一种基于一对一(one-verse-one,OVO)多类策略的支持向量机递归特征约减算法(supportvector machine recursive feature elimination,SVM-RFE)用于高光谱数据的特征选择。对比分析了该算法所选择波段与基于一对多(one-verse-all,OVA)策略的SVM-RFE算法、MSVM-RFE算法以及OneRI、nfoGain、ReliefF等3种基于特征排序的方法所选择波段在高光谱数据分类中的精度表现。结果显示,OVO SVM-RFE算法是一种可靠有效的高光谱数据特征选择算法,并且所选择波段在分类精度方面优于5种对比算法。 展开更多

关键词 svm-rfe 特征选择 高光谱

原文传递

基于改进SVM-RFE的特征选择方法研究 被引量：8

5

作者 王俭臣 单甘霖 +1 位作者 张岐龙 段修生 《微计算机应用》 2011年第2期70-74,共5页

SVM-RFE特征选择算法是一种有效的特征选择方法,具有较高的应用价值。针对传统SVM-RFE特征选择算法中SVM参数(γ和C)难以确定的问题,本文采用粒子群算法搜索SVM的参数。然后将特征向量映射到SVM参数γ确定的核空间中并进行特征选择,有... SVM-RFE特征选择算法是一种有效的特征选择方法,具有较高的应用价值。针对传统SVM-RFE特征选择算法中SVM参数(γ和C)难以确定的问题,本文采用粒子群算法搜索SVM的参数。然后将特征向量映射到SVM参数γ确定的核空间中并进行特征选择,有效地将特征选择与SVM分类器设计关联起来。仿真结果表明,特征选择后的数据集仍能保证SVM分类器具有较高的分类正确率。 展开更多

关键词 svm-rfe 特征选择 PSO 分类正确率

在线阅读 下载PDF 职称材料

基于SVM-RFE的非平衡数据特征选择算法

6

作者 林开标 卢萍 李佳莉 《福建电脑》 2012年第9期67-70,共4页

网络入侵数据是一种典型的非平衡数据,小类样本常被大类样本"淹没"。本文针对网络入侵检测的非平衡数据集,对SVM-RFE特征选择算法进行了改进。通过将大类样本数据聚类成N份数量与小类样本相当的数据集,并分别与小类样本组合成... 网络入侵数据是一种典型的非平衡数据,小类样本常被大类样本"淹没"。本文针对网络入侵检测的非平衡数据集,对SVM-RFE特征选择算法进行了改进。通过将大类样本数据聚类成N份数量与小类样本相当的数据集,并分别与小类样本组合成N个新的训练数据集,在此基础上使用SVM-RFE算法,并利用SVM进行分类。通过在KDD CUP99入侵检测数据集上的实验,验证了本方法的有效性。 展开更多

关键词 非平衡数据 svm-rfe 特征选择

在线阅读 下载PDF 职称材料

基于相似贡献度和SVM-RFE方法的特征基因选取 被引量：1

7

作者 徐妙志 郭龙 +1 位作者 刘德浩 徐全智 《西南民族大学学报（自然科学版）》 CAS 2012年第5期743-747,共5页

利用有限的基因芯片数据识别结肠癌特征基因集合,对该疾病的临床诊断和生物医学研究起到有益的参考和借鉴作用.针对该问题,首先提出一种滤除分类无关基因的新方法——相似贡献度方法,然后采有支持向量机递归特征消去方法(SVM-RFE)得到... 利用有限的基因芯片数据识别结肠癌特征基因集合,对该疾病的临床诊断和生物医学研究起到有益的参考和借鉴作用.针对该问题,首先提出一种滤除分类无关基因的新方法——相似贡献度方法,然后采有支持向量机递归特征消去方法(SVM-RFE)得到候选特征基因子集,最后利用支持向量机(SVM)分类方法,以训练集和测试集的错误分类数两个指标为依据,选取得到最优特征基因集.应用此方法于结肠癌数据,分类准确率达到93.55%,有比较好的分类结果,也验证了上述方法的可行性和有效性. 展开更多

关键词 相似贡献度 支持向量机 基因表达谱 svm-rfe

在线阅读 下载PDF 职称材料

VTSRM:一种基于SVM-RFE和MRMR的AD MRI医学图像分类方法 被引量：2

8

作者 周琼 陈梅 +1 位作者 李晖 戴震宇 《计算机与数字工程》 2019年第6期1452-1458,共7页

为了准确地识别阿尔兹海默症(Alzheimer’s Disease,AD),轻度认知障碍(Mild Cognitive Impairment,MCI)和正常个体(Normal Controls,NC),论文实现了一种基于SVM-RFE和MRMR的AD MRI医学图像分类方法 VTSRM。该方法首先提取出MRI医学图像... 为了准确地识别阿尔兹海默症(Alzheimer’s Disease,AD),轻度认知障碍(Mild Cognitive Impairment,MCI)和正常个体(Normal Controls,NC),论文实现了一种基于SVM-RFE和MRMR的AD MRI医学图像分类方法 VTSRM。该方法首先提取出MRI医学图像的纹理特征和形态学特征,然后利用基于支持向量机递归特征消除算法(SVM-RFE)和最小冗余最大相关(MRMR)技术的特征选择算法SRM选择出最优特征子集,并使用SVM分类算法对AD,MCI,NC进行分类。美国公共阿尔茨海默病神经影像学数据集上的实验证明了论文方法的有效性。 展开更多

关键词 MRI 形态学特征 纹理特征 svm-rfe 最小冗余最大相关

在线阅读 下载PDF 职称材料

基于频带能量归一化和SVM-RFE的ECoG分类 被引量：12

9

作者 刘冲 赵海滨 +1 位作者 李春胜 王宏 《仪器仪表学报》 EI CAS CSCD 北大核心 2011年第3期534-539,共6页

针对基于运动想象(左手小手指和舌头)的皮层脑电(electrocorticographic,ECoG)信号的分类问题,对BCI2005竞赛数据集I中的ECoG信号使用频带能量(band power,BP)归一化算法提取运动相关电位(movement related potential,MRP)、μ节律和β... 针对基于运动想象(左手小手指和舌头)的皮层脑电(electrocorticographic,ECoG)信号的分类问题,对BCI2005竞赛数据集I中的ECoG信号使用频带能量(band power,BP)归一化算法提取运动相关电位(movement related potential,MRP)、μ节律和β节律的频带能量作为特征。针对特征提取后维数较高的问题,使用基于支持向量机的回归特征消去(support vector machine recursive feature elimination,SVM-RFE)算法进行特征选择,通过对训练数据集使用10段交叉验证(cross validation,CV)的方法寻找最佳特征组合,确定特征在维数为6时具有最低平均识别错误率,对测试数据集采用同样的方法和同样的组合进行特征提取,并使用线性支持向量机进行分类,分类正确率可以达到93%。 展开更多

关键词 皮层脑电 频带能量 归一化 支持向量机 回归特征消去 交叉验证

暂未订购

基于ACCA-FCM和SVM-RFE的蓄电池SOH特征选择算法 被引量：3

10

作者 刘微 杨慧婕 刘守印 《计算机与现代化》 2018年第1期11-18,共8页

由于铅酸蓄电池老化程度受诸多因素影响,且蓄电池老化实验受完全充放电时间和样本数量限制,使得基于小样本的具有代表性的特征集的选择在蓄电池健康状态(SOH)预测中显得尤为重要。因此在对蓄电池进行特性分析的基础上,提出基于无监督的A... 由于铅酸蓄电池老化程度受诸多因素影响,且蓄电池老化实验受完全充放电时间和样本数量限制,使得基于小样本的具有代表性的特征集的选择在蓄电池健康状态(SOH)预测中显得尤为重要。因此在对蓄电池进行特性分析的基础上,提出基于无监督的ACCA-FCM和有监督的SVM-RFE相结合的蓄电池SOH特征选择算法。该算法利用改进的蚁群聚类算法(ACCA)从全局特征集中选取有效的特征值聚类中心,克服模糊C均值聚类算法(FCM)聚类中心敏感和局部最优问题,并根据特征之间相关性排除冗余特征;再通过SVM-RFE特征排序算法剔除非关键干扰(低预测性)特征,最终得到与待测结果最大相关最小冗余的低维特征子集,且在保证精度的前提下,避开了完全放电过程。经基于支持向量机(SVM)的蓄电池SOH预测模型验证,放电初期特征构成的最优特征子集可准确预测铅酸蓄电池的健康状态。 展开更多

关键词 特征选择 蚁群聚类算法 模糊C均值聚类算法 svm-rfe 健康状态

在线阅读 下载PDF 职称材料

基于SVM-RFE的异常入侵检测主机特征选择研究 被引量：2

11

作者 陈祥 《电子测量技术》 2007年第11期136-138,共3页

异常入侵检测需要提取入侵特征的原始信息,因此特征选择非常重要。本文介绍了26个异常入侵Windows主机特征,以及SVM-RFE特征选择方法,并把SVM-RFE应用于SVM框架下的异常入侵检测系统主机特征选择。通过特征选择实验,得到了26个主机特征... 异常入侵检测需要提取入侵特征的原始信息,因此特征选择非常重要。本文介绍了26个异常入侵Windows主机特征,以及SVM-RFE特征选择方法,并把SVM-RFE应用于SVM框架下的异常入侵检测系统主机特征选择。通过特征选择实验,得到了26个主机特征的重要性排序,并选出了18个主要特征。 展开更多

关键词 主机特征 特征选择 svm-rfe

在线阅读 下载PDF 职称材料

基于Logistic-SVM-RFE的二胎生育影响因素研究 被引量：1

12

作者 李翼 李晓 《黑龙江工业学院学报（综合版）》 2021年第1期41-46,共6页

针对二胎生育的影响因素,构造了Logistic-SVM-RFE模型,采用“初筛—精筛—细筛”的思路,深度挖掘影响二胎生育的关键因素并对其进行详细分析。首先,通过卡方检验对影响因素进行初步筛选;其次,基于初步筛选后的结果建立二元Logistic回归... 针对二胎生育的影响因素,构造了Logistic-SVM-RFE模型,采用“初筛—精筛—细筛”的思路,深度挖掘影响二胎生育的关键因素并对其进行详细分析。首先,通过卡方检验对影响因素进行初步筛选;其次,基于初步筛选后的结果建立二元Logistic回归模型,基于模型建模结果再次筛选剩余的自变量;然后,考虑到Logistic回归模型容易过拟合且模型本身针对非线性问题的局限性,进一步建立支持向量机递归特征消除(SVM-RFE)模型得到各影响因素的重要性,并给出特征的重要性排序。最后,基于影响因素的重要性排序给出针对性的政策建议。 展开更多

关键词 二胎生育意愿 卡方检验 LOGISTIC回归模型 svm-rfe模型

在线阅读 下载PDF 职称材料

基于SVM-RFE的钓鱼网页检测方法研究 被引量：3

13

作者 王婷 彭勇 +2 位作者 戴忠华 伊胜伟 韩兰胜 《华中科技大学学报（自然科学版）》 EI CAS CSCD 北大核心 2013年第S2期143-146,共4页

针对现有钓鱼网页检测方法存在的不足,基于后向选择算法,在信息获取、特征提取、分类器训练及检测疑似网络钓鱼网页等过程进行了优化.根据特征之间的相互关系划分等级空间,借助支持向量机回归特征消除的思想,提出了基于支持向量机的回... 针对现有钓鱼网页检测方法存在的不足,基于后向选择算法,在信息获取、特征提取、分类器训练及检测疑似网络钓鱼网页等过程进行了优化.根据特征之间的相互关系划分等级空间,借助支持向量机回归特征消除的思想,提出了基于支持向量机的回归特征消除(SVM-RFE)对钓鱼网页进行检测的思路,设计出一种改进的钓鱼网页检测方法.最后对比不同特征维度在漏报率、误报率、识别率方面的差异,分析检测的有效性.实验结果表明:实际应用中可通过该方法准确有效地选定最优特征. 展开更多

关键词 网络钓鱼检测 支持向量机 回归特征消除 特征选择 特征向量 钓鱼网页

原文传递

基于SVM-RFE特征选择的规则提取方法 被引量：6

14

作者 吴璐 《微型电脑应用》 2021年第9期150-154,共5页

针对支持向量机的可解释性,提出了一种基于SVM-RFE特征选择的规则提取方法。这一方法在预处理阶段采用优化的SVM-RFE来获取重要属性集,并设计和实现一种变型的顺序覆盖规则算法进行规则生成和裁剪,以兼顾可理解性与准确率和忠实度之间... 针对支持向量机的可解释性,提出了一种基于SVM-RFE特征选择的规则提取方法。这一方法在预处理阶段采用优化的SVM-RFE来获取重要属性集,并设计和实现一种变型的顺序覆盖规则算法进行规则生成和裁剪,以兼顾可理解性与准确率和忠实度之间的平衡。仿真实验表明,这一方法准确率较高,产生的规则数量和条件项数也比较少。 展开更多

关键词 可理解性 规则提取 svm-rfe 顺序覆盖规则算法

在线阅读 下载PDF 职称材料

基于SVM-RFE算法的道路交通事故严重程度分析

15

作者 冷荣 《智能城市》 2020年第17期115-116,共2页

为分析影响道路交通事故严重程度的因素,量化事故影响因素,根据支持向量机递归特征消除法(SVM-RFE)选择合适的特征,并量化特征的重要度,再以选择之后的特征作为输入,结合随机森林模型进行预测。最后应用于具体交通事故数据,将筛选之后... 为分析影响道路交通事故严重程度的因素,量化事故影响因素,根据支持向量机递归特征消除法(SVM-RFE)选择合适的特征,并量化特征的重要度,再以选择之后的特征作为输入,结合随机森林模型进行预测。最后应用于具体交通事故数据,将筛选之后的影响因素作为输入,分别使用KNN(K最近邻)、随机森林、支持向量机模型进行预测分析,相比较于全部特征值,预测精度分别提高了2.64%、2.72%、1.45%,对比结果表明模型提高了预测的识别精度与算法效率。 展开更多

关键词 交通事故 svm-rfe 特征工程

在线阅读 下载PDF 职称材料

基于SVM-RFE的水稻抗病基因筛选 被引量：1

16

作者 付媛 王岩 +3 位作者 周柚 张帆 王珏鑫 梁艳春 《吉林大学学报（理学版）》 CAS CSCD 北大核心 2011年第6期1101-1104,共4页

提出一种改进的回归特征消去支持向量机特征选择方法(SVM-RFE)对水稻的抗病基因进行筛选.实验结果表明:在预测得到的20个与水稻抗病/敏感相关基因中,有3个基因与已知的水稻抗病基因紧密相关;2个基因与已知的水稻抗病基因有一定的相关性... 提出一种改进的回归特征消去支持向量机特征选择方法(SVM-RFE)对水稻的抗病基因进行筛选.实验结果表明:在预测得到的20个与水稻抗病/敏感相关基因中,有3个基因与已知的水稻抗病基因紧密相关;2个基因与已知的水稻抗病基因有一定的相关性.通过该方法能找到影响水稻生长状态(正常/染病)的基因. 展开更多

关键词 回归特征消去支持向量机 基因筛选 水稻抗病

在线阅读 下载PDF 职称材料

基于WGCNA和SVM-RFE算法挖掘肺腺癌诊断和预后基因标志物 被引量：1

17

作者 王美 王可心 +1 位作者 谭建军 王京京 《生物化学与生物物理进展》 SCIE CAS CSCD 北大核心 2022年第2期381-394,共14页

目的肺癌是世界上最常见的癌症之一,在众多肺癌患者中,肺腺癌(lung adenocarcinoma,LUAD)的死亡率最高。基因表达谱的变化与肿瘤的发生和发展过程有关,通过识别与LUAD患者相关的诊断和预后基因标志物,可以为肺腺癌的预防和治疗提供理论... 目的肺癌是世界上最常见的癌症之一,在众多肺癌患者中,肺腺癌(lung adenocarcinoma,LUAD)的死亡率最高。基因表达谱的变化与肿瘤的发生和发展过程有关,通过识别与LUAD患者相关的诊断和预后基因标志物,可以为肺腺癌的预防和治疗提供理论依据。方法本研究以肿瘤基因组图谱(The Cancer Gene Atlas,TCGA)数据库为基础,采用加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)、差异基因分析、cox回归分析、蛋白质互作网络(protein-protein interaction,PPI)分析等方法筛选与LUAD形成过程高度相关的hub基因。将TCGA和基因型组织表达(GTEx genotype tissue expression,GTEx)数据库中的RNA数据合并划分为训练集和内部验证集,利用基于支持向量机的递归特征消除算法(support vector machine recursive feature elimination feature,SVM-RFE)构建诊断模型并进行验证。GSE32863和GSE31210数据集分别用于验证诊断模型的准确性和基因标志物的预后价值。结果SVM-RFE算法得到的5个基因标志物(anln、cenpa、plk1、tpx2、cdca3)模型在LUAD患者分类中具有显著的诊断能力。功能富集分析表明,这5个基因与肿瘤发生发展的生物学过程密切相关。此外,这5个基因高表达的LUAD患者的预后表现不良,死亡率显著高于低表达的患者。结论我们的研究为LUAD的诊断和预后提供了具有5个基因特征的模型,这对于开发用于精确治疗的新靶点具有重要意义。 展开更多

关键词 肺腺癌 基因标志物 加权基因共表达网络分析 递归特征消除算法

原文传递

基于模糊神经网络算法构建网络购买行为预测模型

18

作者 成淼 《计算机时代》 2025年第12期50-55,62,共7页

在大数据驱动的电商环境中,精准预测用户购买意图是提升平台转化率与用户体验的关键。本文提出一种基于模糊神经网络算法的用户购买意图预测模型。首先,基于淘宝平台30天用户真实行为数据,构建322维行为特征,并采用SVM-RFE算法筛选出20... 在大数据驱动的电商环境中,精准预测用户购买意图是提升平台转化率与用户体验的关键。本文提出一种基于模糊神经网络算法的用户购买意图预测模型。首先,基于淘宝平台30天用户真实行为数据,构建322维行为特征,并采用SVM-RFE算法筛选出20个高贡献特征;其次,在模糊神经网络算法基础上,结合预测模型结果的评估指标以及5折交叉验证方法,构建网络购买行为预测模型;最后,通过模型评估,验证了该模型具有良好的预测效果与鲁棒性。本研究为电商平台实时个性化推荐系统提供了可落地的预测框架。 展开更多

关键词 购买意图 模糊神经网络 特征筛选 svm-rfe 5折交叉验证 预测模型

在线阅读 下载PDF 职称材料

基于KMMS-ReliefF和SA-SVMRFE的高超声速进气道不起动状态识别

19

作者 朱博楷 闵科 +1 位作者 王靖瑶 曾建平 《北京航空航天大学学报》 北大核心 2025年第12期4330-4341,共12页

进气道不起动会严重影响到高超声速发动机的正常运行。基于稳态压力信息的模式分类方法,以某高超声速三维内转式组合进气道为研究对象,通过提取关键可靠的壁面压力测点并构建高精度的分类模型,以解决不起动识别问题。在不同马赫数和背... 进气道不起动会严重影响到高超声速发动机的正常运行。基于稳态压力信息的模式分类方法,以某高超声速三维内转式组合进气道为研究对象,通过提取关键可靠的壁面压力测点并构建高精度的分类模型,以解决不起动识别问题。在不同马赫数和背压条件下,通过数值模拟获得了若干起动/不起动沿程壁面压力数据。在测点选择算法设计上,提出了一种k-均值聚类与ReliefF相结合的算法,在解决原数据集起动/不起动类别不平衡的同时充分考虑了联合特征对的权重信息;为兼顾特征权重和全局分类精度,提出了一种引入模拟退火策略的改进支持向量机递归特征消除算法。将二者进行组合式设计,先采用KMMS-ReliefF算法快速剔除不相关测点,在剩余测点子集中通过SA-SVMRFE算法删除冗余测点,并与其他4种组合算法进行对比。实验结果表明:所提组合算法在最优特征子集维度上明显低于其他算法,利用十折交叉验证支持向量机(10-cv SVM)训练的不起动识别模型,在各模态通道测试集的平均分类准确率均达到99%以上,且具备较高运行效率。此外,通过k最近邻(kNN)、AdaBoost等其他分类算法验证了最优测点组合的可靠性。 展开更多

关键词 高超声速进气道 不起动状态识别 特征选择 RELIEFF K-均值聚类 svm-rfe

原文传递

基于机器学习和CeRNA的类风湿关节炎铁死亡ACVR1B和GABARAPL1基因的筛选和分析

20

作者 何茵然 欧阳东 +2 位作者 陈佳欣 曾佳纯 侯洁 《工业微生物》 2025年第5期35-38,共4页

类风湿关节炎(RA)是复杂的自身免疫性疾病,近年来,铁死亡在其发病过程中的作用逐渐受到关注。基于机器学习算法,筛选RA铁死亡潜在疾病特征基因并构建CeRNA网络。基于GEO数据库GSE12021数据集(22例骨炎患者与9例正常人),使用GEO2R与pytho... 类风湿关节炎(RA)是复杂的自身免疫性疾病,近年来,铁死亡在其发病过程中的作用逐渐受到关注。基于机器学习算法,筛选RA铁死亡潜在疾病特征基因并构建CeRNA网络。基于GEO数据库GSE12021数据集(22例骨炎患者与9例正常人),使用GEO2R与python程序筛选差异表达基因,并与FerrDb数据库的717个铁死亡相关基因(包括348个铁死亡抑制靶点和369个铁死亡驱动靶点)取交集,筛选RA铁死亡相关差异基因。应用机器学习算法对数据进行分析取交集,筛选出疾病特征基因,最后构建CeRNA网络。初步筛选出2 036个差异基因,然后交叉筛选获得71个相关差异基因。用Lasso回归分析得出31个特征基因,用SVM-RFE方法分析得出38个特征基因,接着取交集得到两个特征基因,构建CeRNA网络。通过机器学习算法和CeRNA网络构建,筛选出ACVR1B和GABARAPL1两个RA铁死亡特征基因,从而为深入揭示RA发病机制、开发新的治疗策略提供重要的线索和依据。 展开更多

关键词 类风湿关节炎 铁死亡 差异基因 Lasso回归 svm-rfe方法

暂未订购