采用LE非线性降维技术的SVM基因微阵列数据分析

• 作者: 李学斌
• 来源期刊: 网络财富
• 学科: 工学
• 关键词: 基因微阵列 拉普拉斯特征映射 支持向量机 降维 主成分分析
• 年，卷（期）: 2010,（21）
• 页码范围: 221
• 分类号: TP3
• 字数: 2083字
• 语种: 中文

摘要

针对基因微阵列数据高维小样本问题及可能存在的非线性结构问题,本文采用拉普拉斯特征映射(LE)方法对基因微阵列数据进行降维处理,再构造支持向量机(SVM)进行分类识别.文中对采用该方法与主成分分析线性降维方法的分类结果进行了分析对比,结果表明结合拉普拉斯非线性降维的支持向量机分类模型具有对基因数据更好的分类处理能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李学斌	吉林工程技术师范学院电子信息工程学院	6	5	1.0	1.0