检索结果-南通市图书馆

检索条件"主题词=Kmeans-FFT"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

癌症微阵列数据中特征选择与类平衡方法的研究

癌症微阵列数据中特征选择与类平衡方法的研究

引用

作者：王枚中南大学

学位级别：硕士

随着生物统计学和人工智能技术的不断发展,利用微阵列技术检测和评估癌症对提高患者的治愈率起到了很大的帮助。然而数据的高维性和类别的不平衡性是利用基因微阵列数据检测癌症时面临的两个主要难题。鉴于此,本文从特征选择和类平衡处... 详细信息

随着生物统计学和人工智能技术的不断发展,利用微阵列技术检测和评估癌症对提高患者的治愈率起到了很大的帮助。然而数据的高维性和类别的不平衡性是利用基因微阵列数据检测癌症时面临的两个主要难题。鉴于此,本文从特征选择和类平衡处理两个方向展开研究,并在四个开源的癌症微阵列数据集上进行实证,具体内容如下:第一,针对特征选择,为了更加准确地筛选出与癌症相关的基因,本文在传统Relief算法的基础上提出一种组合式迭代删除Relief算法。组合式迭代删除Relief算法首先进行多轮Relief迭代,然后通过计算与第K个近邻的相关系数来剔除冗余特征。实验结果显示与Relief算法相比,本文提出的组合式迭代删除Relief算法得到的分类准确率以及F值、G＿means值更好,且最终筛选出的特征子集的数目更小。第二,针对欠采样,为了避免传统的随机欠采样方法随机的将多数类样本剔除导致数据集信息损失严重的缺点,本文提出一种基于kmeans-fft的欠采样方法。该方法通过将kmeans聚类和快速傅里叶变换结合,得到样本的频率-幅值关系,再通过判定每个类中样本频率-幅值信息的相似性剔除相似度高的样本从而达到欠采样的目的。实验结果表明,相比于其他对比算法,kmeans-fft欠采样方法获取到的分类准确率较好。第三,针对过采样,由于SMOTE算法存在合成新样本的质量存在一定问题以及加剧了少数类样本分布不均的缺点。因此,本文改进了经典的SMOTE算法,通过引入距离函数和密度函数,离多数类越近和处于稀疏区域的少数类样本周围可以合成更多的新样本。实验证明通过区别对待样本后可以提高分类准确率。图25幅,表13个,参考文献69篇

关键词：癌症微阵列数据 Relief 组合特征选择 kmeans-fft DD-SMOTE

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：