基于SVM的非相关线性判别分析算法研究

• 作者: 吕建平 张小丹
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 非相关线性判别分析 支持向量机 基因表达谱 分类
• 年，卷（期）: 2008,（4）
• 所属期刊栏目: 工程与应用
• 页码范围: 227-229
• 页数: 3页
• 分类号: TP391.4
• 字数: 2806字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2008.04.070

摘要

基于基因表达谱对组织样本进行分类,在疾病诊断领域,是个非常重要的研究课题.在基因表达数据中,基因的数量(几千个)相对于数据样本(几十个)的个数通常比较多;也就是说,数据的维数相比于数据点的个数来说比较高(这个就是采样不足问题).过高的维数(特征或基因数)将给分类问题带来极大的挑战.提出了结合非相关线性判别式分析方法(ULDA)和支持向量机(SVM)分类算法,对结肠癌组织样本进行分类识别,并同其他方法作了比较研究,分类效果得到了提高;结果表明了该方法的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张小丹	苏州大学电子信息学院	2	19	2.0	2.0
2	吕建平	苏州大学电子信息学院	25	159	7.0	12.0