基于邻域互信息和K均值的基因选择算法
多数传统的属性聚类算法不能直接处理连续型属性,为了避免连续数据离散化处理时造成的信息损失,降低样本属性邻域求解的复杂度,提高特征基因提取的效率。文中提出一种将邻域互信息用于属性聚类的特征基因选择方法,用于在海量的基因表达谱数据中挖掘出少量的具有分类识别能力且冗余度较小的特征基因。
粒计算、邻域互信息、属性聚类、基因选择
TP311(计算技术、计算机技术)
大学生创新实验项目河南师范大学校级重点项目2012年《邻域互信息在基因数据挖掘中的应用研究》编号15
2014-04-03(万方平台首次上网日期,不代表论文的发表时间)
共3页
821-823