10.3969/j.issn.1005-3026.2017.06.008
基于加权极限学习机的肿瘤基因表达谱数据分类
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.
基因、表达谱数据、加权极限学习机、不平衡性、肿瘤分类
38
TP391.4(计算技术、计算机技术)
国家自然科学基金资助项目61272176
2017-08-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
798-803