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:
提出一种改进的回归特征消去支持向量机特征选择方法(SVM-RFE)对水稻的抗病基因进行筛选.实验结果表明:在预测得到的20个与水稻抗病/敏感相关基因中,有3个基因与已知的水稻抗病基因紧密相关; 2个基因与已知的水稻抗病基因有一定的相关性.通过该方法能找到影响水稻生长状态(正常/染病)的基因.
推荐文章
基于Relief和SVM-RFE的组合式SNP特征选择
单核苷酸多态性
全基因组关联研究
特征选择
过滤式
缠绕式
组合式
基于Relief和SVM-RFE的组合式SNP特征选择
单核苷酸多态性
全基因组关联研究
特征选择
过滤式
缠绕式
组合式
基于SVM-RFE的非平衡数据特征选择算法
非平衡数据
SVM-RFE
特征选择
基于SVM-RFE的钓鱼网页检测方法研究
网络钓鱼检测
支持向量机
回归特征消除
特征选择
特征向量
钓鱼网页
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-RFE的水稻抗病基因筛选
来源期刊 吉林大学学报(理学版) 学科 工学
关键词 回归特征消去支持向量机 基因筛选 水稻抗病
年,卷(期) 2011,(6) 所属期刊栏目 计算机科学
研究方向 页码范围 1101-1104
页数 分类号 TP39
字数 3242字 语种 中文
DOI
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 梁艳春 吉林大学计算机科学与技术学院 73 723 15.0 25.0
2 王岩 吉林大学计算机科学与技术学院 133 735 15.0 21.0
6 张帆 吉林大学计算机科学与技术学院 68 233 8.0 13.0
7 付媛 吉林大学计算机科学与技术学院 3 5 1.0 2.0
8 周柚 吉林大学计算机科学与技术学院 13 21 3.0 4.0
9 王珏鑫 吉林大学计算机科学与技术学院 1 4 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (73)
共引文献  (28)
参考文献  (12)
节点文献
引证文献  (4)
同被引文献  (7)
二级引证文献  (1)
1990(2)
  • 参考文献(0)
  • 二级参考文献(2)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(4)
  • 参考文献(0)
  • 二级参考文献(4)
1996(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(6)
  • 参考文献(0)
  • 二级参考文献(6)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(6)
  • 参考文献(1)
  • 二级参考文献(5)
2001(6)
  • 参考文献(1)
  • 二级参考文献(5)
2002(8)
  • 参考文献(1)
  • 二级参考文献(7)
2003(7)
  • 参考文献(1)
  • 二级参考文献(6)
2004(12)
  • 参考文献(0)
  • 二级参考文献(12)
2005(12)
  • 参考文献(2)
  • 二级参考文献(10)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(3)
  • 参考文献(2)
  • 二级参考文献(1)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(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)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(2)
  • 引证文献(1)
  • 二级引证文献(1)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(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
回归特征消去支持向量机
基因筛选
水稻抗病
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
吉林大学学报(理学版)
双月刊
1671-5489
22-1340/O
大16开
长春市南湖大路5372号
12-19
1955
chi
出版文献量(篇)
4812
总下载数(次)
6
总被引数(次)
24333
论文1v1指导