跳转到主要内容
认证机构:IGI全球平台(112.34.110.148)
登录
注册
语言:
英语
欢迎使用InfoCi平台
IGI全球平台
IGI全球平台
无法进行身份验证。
IP:112.34.110.148
数据库搜索
数据库搜索
基本搜索
高级搜索
专家搜索
保存的搜索
索策略
研究工具
研究工具
帮助
用户指南
咨询委员会
用户资源
用户资源
针对研究人员
对于作者
对于图书馆员
指数
该标题如下所示:
关闭
参考中心
该研究被引用于:
关闭
最近搜索的热门结果
关闭
基于高级特征选择技术的类型组合方法模型特征选择在基因表达数据分类中的应用
Siddesh G.M.、Gururaj T。
源标题:
国际认知信息学与自然智能杂志(IJCINI)
15(4)
版权:
© 2021
|
体积:
15
|
问题:
4
|
页:
18
国际标准编号:
1557-3958
|
EISSN公司:
1557-3966
|
EISBN13:
9781799859857
|
内政部:
10.4018/IJCINI.20211001.oa46
引用文章
引用文章
MLA公司
Siddesh G.M.和Gururaj T.“利用基于类型组合方法模型的特征选择和高级特征选择技术对基因表达数据进行分类”
IJCINI公司
2021年第4期第15卷:第1-18页。
http://doi.org/10.4018/IJCINI.20211001.oa46
亚太地区
Siddesh G.M.和Gururaj T.(2021年)。
利用基于类型组合方法模型的特征选择和高级特征选择技术对基因表达数据进行分类。
国际认知信息学与自然智能杂志(IJCINI),15
(4), 1-18.
http://doi.org/10.4018/IJCINI.20211001.oa46
芝加哥
Siddesh G.M.和Gururaj T.“利用基于类型组合方法模型的特征选择和高级特征选择技术对基因表达数据进行分类”
国际认知信息学与自然智能杂志(IJCINI)
15,4号:1-18。
http://doi.org/10.4018/IJCINI.20211001.oa46
导出参考
收藏夹
完整发布下载
查看全文HTML
查看全文PDF
摘要
解决分类问题的一个关键步骤是选择用于删除冗余和无关基因的基因。
提出的类型组合方法-特征选择(TCA-FS)模型使用了有效的特征选择方法,可以提高分类精度。
选取K近邻(KNN)、支持向量机(SVM)和随机森林(RF)三种分类器对所选特征选择方法和预测精度进行评估。
分析了三种新的特征选择方法,即改进的递归特征消除(IRFE)、修正的最大信息协同(RMIC)和改进的掩模油漆(UMP)的效果。
将这三种提出的技术与现有技术进行了比较,并通过(i)稳定性测定测试进行了验证。
(ii)分类精度。
(iii)分析了三种拟议技术的错误率。
由于选择了合适的分类阈值,与现有系统相比,所提出的TCA-FS方法具有更高的精度。
如果出现与翻译网站中包含的信息的准确性有关的任何问题,
请参阅网站的英文版本,即官方版本。
访问
www.igi-global.com/gateway/terms-and-conditions网站/
了解更多信息。