张小丹
- 作品数：3 被引量：7H指数：1
- 供职机构：苏州大学电子信息学院更多>>
- 相关领域：自动化与计算机技术生物学更多>>
- 基于支持向量机的基因表达数据特征选取方法研究
- 微阵列基因表达数据通常包含少量样本和大量基因，对于这样高维的基因表达数据，已经迫切需要开发出一些新的有效的特征选取方法，从而选出少数和疾病最相关的信息基因，以减少计算开销和提高分类精度。目前已有不少特征选取方法应用于基因...
- 张小丹
- 关键词：生物信息论基因表达微阵列基因表达数据
- 文献传递
- 基于支持向量机的特征提取方法研究被引量：1
- 2008年
- 基因表达数据的一个重要应用是给组织样本进行分类。在基因表达数据中,基因的数量相对于数据样本的个数通常比较多;也就是说,可以得到变量数(基因数)远远大于样本数的数据矩阵。过高的维数(变量或基因数)将给分类问题带来极大的挑战。本文提出结合一种新的特征提取方法——非相关线性判别式分析方法(ULDA)和支持向量机(SVM)分类算法,对结肠癌组织样本进行分类识别。并同其它方法作了比较研究,结果表明了该方法的可行性和有效性。
- 张小丹吕建平
- 关键词：支持向量机基因表达谱特征提取
- 基于SVM的非相关线性判别分析算法研究被引量：5
- 2008年
- 基于基因表达谱对组织样本进行分类,在疾病诊断领域,是个非常重要的研究课题。在基因表达数据中,基因的数量(几千个)相对于数据样本(几十个)的个数通常比较多;也就是说,数据的维数相比于数据点的个数来说比较高(这个就是采样不足问题)。过高的维数(特征或基因数)将给分类问题带来极大的挑战。提出了结合非相关线性判别式分析方法(ULDA)和支持向量机(SVM)分类算法,对结肠癌组织样本进行分类识别,并同其他方法作了比较研究,分类效果得到了提高;结果表明了该方法的可行性和有效性。
- 张小丹吕建平
- 关键词：支持向量机基因表达谱
