基于多特征融合和机器学习的疾病基因检测大数据分类模型

采用目前方法对疾病基因检测大数据进行分类时,没有对提取特征进行融合处理,存在正确分类率低、病情反映能力低和分类效率低的问题。为此提出基于多特征融合和机器学习的疾病基因检测大数据分类模型构建方法,提取疾病基因图像的粗糙度特征、对比度特征和方向度特征,采用主成分分析方法融合提取的特征,在机器学习原理的基础上构建疾病基因检测大数据分类模型,将融合后的特征输入模型中,完成疾病基因检测大数据的分类。实验结果表明,所提方法的正确分类率高、病情反映能力强、分类效率高。