微阵列数据相关论文
基因选择是微阵列数据研究中的重要课题。从充满冗余信息和噪声的高维小样本的数据中选择与样本分类最相关的基因，有利于提高分类器......
DNA微阵列技术推动生物信息学跨入了多基因、全基因组研究的崭新时代,同时也产生了远远超出传统数据分析方法处理能力的海量基因表......
在最近的二十年里，电子格式存贮的数据以惊人的速度激增，形成了海量的数据和信息。数据挖掘是从大型数据库或数据仓库中发现并提取隐......
眼下，机器学习、数据挖掘等技术已经普遍运用于医疗、生命科学、经济学等社会各行各业。 本文的主要内容是机器学习方法在生物数......
DNA微阵列数据广泛应用于生物医学，特别是癌症方面的研究。它是典型的高维小样本数据，具有高维，高冗余，高噪声的特点，许多经典的处理算......
纠错输出编码(ECOC)是一种多类分类的集成学习方法框架,比单个分类器具有更好的分类效果。ECOC算法的研究至今仅有二十年时间,但已......
DNA微阵列技术推动生物信息学跨入了多基因、全基因组研究的崭新时代,同时也产生了远远超出传统数据分析方法处理能力的海量基因表......
医学研究表明约30％的扩张型心肌病与遗传因素有关,因此从基因水平寻找其病因及发病机制越来越引起国内外学者的重视.采用针对超高维......
稀疏回归模型具有在高维数据上预测和估计未知参数的优点,因此在统计学、机器学习、生物信息学等领域引起了广泛的关注.然而将其应......
随着基因芯片技术的发展,基因表达实验获得了大量的微阵列相关数据,为人类疾病研究提供了一种全新的手段.然而,由于微阵列数据存在......
微阵列数据中的缺失值会对随后的数据分析造成影响.因此,正确地估计这些缺失值是很必要的.将一个k值选取算法结合到有序的局部最小......
