搜索到14403篇“ 肿瘤基因表达谱“的相关文章
- 面向肿瘤基因表达谱数据的差异表达基因选择算法研究
- 基因选择对于面向基因表达谱数据的机器学习肿瘤分类技术具有重要意义。在基于机器学习的肿瘤分类中,如何精准挑选出具有分辨力的基因是一项非常具有挑战的热点研究。通常,典型的微阵列基因表达谱数据中包含数以万计的基因,而包含的样本...
- 柯林
- 关键词：肿瘤分类基因选择群智能优化
- 基于代价敏感学习的肿瘤基因表达谱数据挖掘研究
- 目的:基于DNA微阵列技术的基因表达数据挖掘研究为生物医学领域做出了巨大贡献,尤其是在肿瘤的早期诊断和分类研究上有着广泛应用。肿瘤是一种严重威胁人体健康的细胞异常增生类疾病,对肿瘤学进行深入研究可以从其表达谱入手。因此,...
- 熊月玲
- 关键词：肿瘤基因表达谱代价敏感学习
- 基于离散约束和封顶范数的肿瘤基因表达谱数据聚类方法
- 本发明公开了一种基于离散约束和封顶范数的肿瘤基因表达谱数据聚类方法，步骤为：首先，将肿瘤基因表达谱数据表示为一个包含多个低秩子空间的低秩矩阵和一个噪声矩阵相加的形式；然后，引入离散约束方法和Schatten p范数对低秩...
- 王雪松刘健程玉虎
- 基于双超图正则化的肿瘤基因表达谱数据双聚类方法
- 本发明公开了一种基于双超图正则化的肿瘤基因表达谱数据双聚类方法，通过对肿瘤基因表达谱数据的样本和基因分别进行聚类；然后，对肿瘤基因表达谱数据的样本和基因分别建立样本超图和基因超图，来获取样本和基因的固有几何结构；最后，将...
- 王雪松刘健程玉虎
- 基于混合特征选择算法的肿瘤基因表达谱数据分析
- 随着人类基因组计划的实施和不断深入，产生了海量的生物数据，同时促使了DNA芯片技术的出现。肿瘤基因表达谱数据作为DNA芯片技术的一个产物，是人们研究肿瘤的良好数据来源。而肿瘤基因表达谱数据具有小样本、高维数、高噪声和高冗...
- 张琼枝
- 基于离散约束和封顶范数的肿瘤基因表达谱数据聚类方法
- 本发明公开了一种基于离散约束和封顶范数的肿瘤基因表达谱数据聚类方法，步骤为：首先，将肿瘤基因表达谱数据表示为一个包含多个低秩子空间的低秩矩阵和一个噪声矩阵相加的形式；然后，引入离散约束方法和Schatten p范数对低秩...
- 王雪松刘健程玉虎
- 基于双超图正则化的肿瘤基因表达谱数据双聚类方法
- 本发明公开了一种基于双超图正则化的肿瘤基因表达谱数据双聚类方法，通过对肿瘤基因表达谱数据的样本和基因分别进行聚类；然后，对肿瘤基因表达谱数据的样本和基因分别建立样本超图和基因超图，来获取样本和基因的固有几何结构；最后，将...
- 王雪松刘健程玉虎
- 基于字典学习的肿瘤基因表达谱分类算法研究
- 肿瘤是一种严重威胁人体生命健康的疾病。长期以来，研究人员一直都在探寻治愈肿瘤的最佳手段。然而肿瘤类型众多，即使是同一种肿瘤也可以分为许多不同的亚型，而不同亚型肿瘤的治疗手段是不同的。因此，准确而快速地对肿瘤分类能最大程度...
- 张志强
- 关键词：肿瘤学基因表达谱字典学习
- 基于机器学习的肿瘤基因表达谱数据分析方法研究
- 近年来，国内外研究人员将机器学习理论和方法引入到生物信息学领域，通过对基因表达谱数据的综合分析来发现蕴含在生物学中的重要信息。本文针对肿瘤基因表达谱数据，以机器学习为理论基础，通过对特征基因选择、肿瘤分类和肿瘤聚类等问题...
- 刘健
- 关键词：生物信息基因表达谱矩阵分解聚类分析
- 基于加权极限学习机的肿瘤基因表达谱数据分类被引量：4
- 2017年
- 基因表达谱数据一般来源于临床试验,而在临床试验中,试验样本的类分布情况是不确定的,这就使得表达谱数据往往具有比较明显的不平衡性.采用加权极限学习机来对不平衡基因表达谱数据进行分类,为了减少因为不平衡数据引起的分类误差,一个临时的权重被分配给每一个样本以增强少样本类的影响,同时减少多样本类的影响,进而提高肿瘤分类的准确率.实验结果表明,所提方法能够提高少样本类的识别率,从而提高分类器的总体性能.
- 姜琳颖余东海石鑫
- 关键词：基因肿瘤分类
相关作者
- 阮晓钢
- 作品数：532被引量：1,289H指数：17
- 供职机构：北京工业大学
- 研究主题：机器人 移动机器人 神经网络 自平衡 基因表达谱
- 孔祥增
- 作品数：116被引量：19H指数：2
- 供职机构：福建师范大学
- 研究主题：物联网 水印 无线传感器网络 水印方法 智能控制装置
- 李建更
- 作品数：86被引量：230H指数：8
- 供职机构：北京工业大学
- 研究主题：基因表达谱 支持向量机 胃癌 特征基因 鲁棒性
- 陈智勤
- 作品数：23被引量：0H指数：0
- 供职机构：福建师范大学
- 研究主题：物联网 智能控制装置 红外感应器 单片机通信 警报器
- 杨国亮
- 作品数：72被引量：263H指数：7
- 供职机构：江西理工大学
- 研究主题：面部表情识别 人脸识别 情感计算 情感建模 人工心理
