基于PCA与KPCA的基因数据的特征简约

• 作者: 姜利 邢笑雪
• 来源期刊: 长春大学学报（自然科学版）
• 学科: 工学
• 关键词: 特征简约 PCA-SVM KPCA-SVM 累计贡献率
• 年，卷（期）: 2013,（6）
• 所属期刊栏目: 电气工程
• 页码范围: 1525-1527,1534
• 页数: 4页
• 分类号: TP391.4
• 字数: 2088字
• 语种: 中文

摘要

采用支持向量机方法( SVM)对上千维的基因表达数据分析时,算法的运行时间比较长。为了解决这种情况,本文采用了基于主成分分析的支持向量机( PCA-SVM )和基于核主成分分析的支持向量机( KPCA-SVM )两种算法对数据进行降维和分类,既可以整合基因数据的特征信息又可以缩短计算时间。本文比较了累计贡献率不同时两种算法的分类准确率,实验结果表明,PCA-SVM分类准确率与累计贡献率二者之间没有明确规律,KPCA-SVM分类准确率随累计贡献率的降低存在降低或者保持不变的趋势。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邢笑雪	长春大学电子信息工程学院	29	67	5.0	7.0
2	姜利	长春大学电子信息工程学院	12	16	3.0	3.0