期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
演化超网络在多类型癌症分子分型中的应用
被引量:
5
1
作者
王进
丁凌
+1 位作者
孙开伟
李钟浩
《电子与信息学报》
EI
CSCD
北大核心
2013年第10期2425-2431,共7页
该文提出一种用于多类型癌症分子分型的演化超网络模式识别方法。首先采用"一对多"方法,将一个多类分型问题转化为多个二类分型问题;然后利用信噪比方法对DNA微阵列数据进行信息基因选择;经过超网络对训练集的演化学习,构造...
该文提出一种用于多类型癌症分子分型的演化超网络模式识别方法。首先采用"一对多"方法,将一个多类分型问题转化为多个二类分型问题;然后利用信噪比方法对DNA微阵列数据进行信息基因选择;经过超网络对训练集的演化学习,构造一系列二类分类器并进行集成,最终构建一个多类型癌症分型系统并对待测样本进行分类。对急性白血病、儿童小圆蓝细胞肿瘤和GCM数据集实验结果表明:演化超网络留一交叉验证(LOOCV)识别率分别为:98.61%,100%和85.35%。演化超网络有利于挖掘癌症相关基因,具有良好的学习结果可读性。
展开更多
关键词
模式识别
机器学习
演化超网络
微阵列
癌症多类型分类
下载PDF
职称材料
基于残差超网络的DNA微阵列数据分类
被引量:
4
2
作者
王进
朱文晓
+2 位作者
孙开伟
邓欣
陈乔松
《重庆邮电大学学报(自然科学版)》
CSCD
北大核心
2015年第5期647-653,659,共8页
DNA微阵列数据特征维度高,包含噪音,属性之间以及属性与样本类别之间有着复杂的关联性。然而传统超网络的超边一般是从训练集中随机选取属性而组成,难以保证超边质量,而且其分类性能受超边初始化过程影响很大,导致效果不稳定。针对传统...
DNA微阵列数据特征维度高,包含噪音,属性之间以及属性与样本类别之间有着复杂的关联性。然而传统超网络的超边一般是从训练集中随机选取属性而组成,难以保证超边质量,而且其分类性能受超边初始化过程影响很大,导致效果不稳定。针对传统超网络的这一局限,提出一种基于残差分析的超网络分类模型。残差算法根据显著性检验,首先假设属性相互独立,然后根据95%的置信水平,运用残差分析,用落入拒绝域的属性值对超网络的超边库进行初始化,以获取关联性较高的超边集合。然后采用梯度下降法进行超网络的演化学习。对急性白血病、前列腺癌和肺癌数据集的实验表明:与传统演化超网络分类器相比,该方法不仅有较高的分类精度,而且提高了分类的稳定性和收敛性。
展开更多
关键词
超网络
初始化
残差算法
稳定性
收敛性
原文传递
题名
演化超网络在多类型癌症分子分型中的应用
被引量:
5
1
作者
王进
丁凌
孙开伟
李钟浩
机构
计算智能重庆市重点实验室(重庆邮电
大学
)
韩国仁荷大学信息与通信工程系
出处
《电子与信息学报》
EI
CSCD
北大核心
2013年第10期2425-2431,共7页
基金
国家自然科学基金(61203308
61075019)
+1 种基金
教育部留学回国人员科研启动基金(教外司留[2010]1174号)
国家大学生创新创业训练计划(201210617003)资助课题
文摘
该文提出一种用于多类型癌症分子分型的演化超网络模式识别方法。首先采用"一对多"方法,将一个多类分型问题转化为多个二类分型问题;然后利用信噪比方法对DNA微阵列数据进行信息基因选择;经过超网络对训练集的演化学习,构造一系列二类分类器并进行集成,最终构建一个多类型癌症分型系统并对待测样本进行分类。对急性白血病、儿童小圆蓝细胞肿瘤和GCM数据集实验结果表明:演化超网络留一交叉验证(LOOCV)识别率分别为:98.61%,100%和85.35%。演化超网络有利于挖掘癌症相关基因,具有良好的学习结果可读性。
关键词
模式识别
机器学习
演化超网络
微阵列
癌症多类型分类
Keywords
Pattern recognition
Machine learning
Evolutionary hypernetworks
Microarray
Cancer molecularmulticlass classification
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
TP39 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于残差超网络的DNA微阵列数据分类
被引量:
4
2
作者
王进
朱文晓
孙开伟
邓欣
陈乔松
机构
重庆邮电
大学
计算智能重庆市重点实验室
韩国仁荷大学信息与通信工程系
出处
《重庆邮电大学学报(自然科学版)》
CSCD
北大核心
2015年第5期647-653,659,共8页
基金
国家自然科学基金(61203308
61403054)
+2 种基金
重庆市基础与前沿研究计划(cstc2014jcyj A40001
cstc2013jcyj A40063)
重庆教委科学技术研究项目(自然科学类)(KJ1400436)~~
文摘
DNA微阵列数据特征维度高,包含噪音,属性之间以及属性与样本类别之间有着复杂的关联性。然而传统超网络的超边一般是从训练集中随机选取属性而组成,难以保证超边质量,而且其分类性能受超边初始化过程影响很大,导致效果不稳定。针对传统超网络的这一局限,提出一种基于残差分析的超网络分类模型。残差算法根据显著性检验,首先假设属性相互独立,然后根据95%的置信水平,运用残差分析,用落入拒绝域的属性值对超网络的超边库进行初始化,以获取关联性较高的超边集合。然后采用梯度下降法进行超网络的演化学习。对急性白血病、前列腺癌和肺癌数据集的实验表明:与传统演化超网络分类器相比,该方法不仅有较高的分类精度,而且提高了分类的稳定性和收敛性。
关键词
超网络
初始化
残差算法
稳定性
收敛性
Keywords
hypernetwork model
initialization
residual method
stability
convergence
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
原文传递
题名
作者
出处
发文年
被引量
操作
1
演化超网络在多类型癌症分子分型中的应用
王进
丁凌
孙开伟
李钟浩
《电子与信息学报》
EI
CSCD
北大核心
2013
5
下载PDF
职称材料
2
基于残差超网络的DNA微阵列数据分类
王进
朱文晓
孙开伟
邓欣
陈乔松
《重庆邮电大学学报(自然科学版)》
CSCD
北大核心
2015
4
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部