基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
鉴于特征提取在基因分类中扮演的重要作用,提出了一种基于支持向量机法线算法的特征提取方法.首先,使用线性支持向量机对训练样本进行训练,求出支持向量;然后,根据SVM法线算法计算各特征的权重,来获得法线向量,剔除数据集中权重较小的冗余特征基因;最后,使用线性支持向量机分类器实现对有效特征基因子集的分类.用急性白血病数据集和结肠癌数据集进行了实验,结果表明:该方法识别效果良好,适应性强.
推荐文章
基于特征模板提取及SVM的观点句识别
观点句识别
微博
二元模板
特征提取
SVM用于基于块划分特征提取的图像分类
图像划分
特征矢量聚类
支持向量机(SVM)
图像分类
图像检索
基于改进烟花算法的SVM特征选择和参数优化
二进制编码
烟花算法
特征选择
参数优化
基于模糊熵特征选择算法的SVM在漏洞分类中的研究
模糊熵
支持向量机
漏洞特征
漏洞文本
特征选择
漏洞分类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于SVM法线算法的特征基因提取
来源期刊 农机化研究 学科 生物学
关键词 基因表达谱 特征提取 支持向量机 SVM法线算法
年,卷(期) 2008,(6) 所属期刊栏目 试验研究
研究方向 页码范围 145-148
页数 4页 分类号 Q344+.13
字数 3014字 语种 中文
DOI 10.3969/j.issn.1003-188X.2008.06.043
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 何东健 西北农林科技大学信息工程学院 188 3174 30.0 46.0
2 张阳 西北农林科技大学信息工程学院 47 232 6.0 13.0
3 谷耀军 西北农林科技大学信息工程学院 1 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (7)
参考文献  (6)
节点文献
引证文献  (3)
同被引文献  (0)
二级引证文献  (0)
1999(4)
  • 参考文献(2)
  • 二级参考文献(2)
2001(3)
  • 参考文献(2)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(2)
  • 引证文献(2)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
基因表达谱
特征提取
支持向量机
SVM法线算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
农机化研究
月刊
1003-188X
23-1233/S
大16开
黑龙江哈尔滨市哈平路156号
14-324
1979
chi
出版文献量(篇)
14318
总下载数(次)
39
总被引数(次)
94283
相关基金
陕西省自然科学基金
英文译名:Natural Science Basic Research Plan in Shaanxi Province of China
官方网址:
项目类型:
学科类型:
论文1v1指导