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:
特征选择和分类在数据挖掘中是非常重要的任务.特征选择将对结果影响较大的特征选择出来,让后期的机器学习变得简单而有效.分类能把数据库中的数据项映射到给定类别中的某一个,这种技术目前在商业上得到广泛应用.本文在特征选择、分类的背景和意义的基础上,将其应用于基因微阵列数据中.
推荐文章
基于遗传算法的基因微阵列数据聚类
微阵列数据
聚类
遗传算法
一种有效的DNA微阵列数据特征基因提取方法
DNA微阵列
支持向量机
特征基因
特征选取
基于FCBF特征选择和集成优化学习的基因表达数据分类算法
特征选择
集成学习
微阵列基因表达数据
乌鸦搜索算法
核极限学习机
一种基于微阵列数据的集成分类方法
微阵列数据
主成分分析
特征选择
支持向量机
集成分类
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 基于特征选择与分类算法的基因微阵列数据挖掘
来源期刊 福建电脑 学科 工学
关键词 数据挖掘 特征选择 分类器 基因微阵列数据
年,卷(期) 2008,(1) 所属期刊栏目 应用与开发
研究方向 页码范围 66-67
页数 2页 分类号 TP3
字数 3516字 语种 中文
DOI 10.3969/j.issn.1673-2782.2008.01.046
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 张春霞 10 40 4.0 6.0
3 张瑞春 6 14 2.0 3.0
6 马文凯 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (6)
参考文献  (4)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(2)
  • 参考文献(2)
  • 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)
2016(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
数据挖掘
特征选择
分类器
基因微阵列数据
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
福建电脑
月刊
1673-2782
35-1115/TP
大16开
福州市华林邮局29号信箱
1985
chi
出版文献量(篇)
21147
总下载数(次)
86
总被引数(次)
44699
论文1v1指导