作者:
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:
微阵列又称为基因芯片,基因芯片数据的特点是基因数多而样本数少,也就是变量数(或基因数)p远高于样本数n,表现出“大p,小n”。这对分析过程带来一定困难。实验表明,主成分分析方法能有效地解决这一问题。通过特征基因提取,提高基因芯片数据分析的准确性。
推荐文章
基于主成分分析和支持向量机的参数费用模型
主成分分析
支持向量机
参数费用模型
神经网络
基于主成分分析和支持向量机的飞参阶段划分研究
飞参
主成分分析
支持向量机
阶段划分
基于主成分分析和支持向量机的作战飞机效能评估
主成分分析
支持向量机
效能
神经网络
基于主成分分析的最小二乘支持向量机岩性识别方法
测井解释
岩性识别
主成分分析
最小二乘支持向量机
累积方差
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 主成分分析和支持向量机在微阵列数据分析的应用
来源期刊 现代计算机(普及版) 学科
关键词 微阵列 主成分分析 支持向量机
年,卷(期) 2013,(9) 所属期刊栏目 研究与开发
研究方向 页码范围 26-28,38
页数 4页 分类号
字数 2123字 语种 中文
DOI 10.3969/j.issn.1007-1423.2013.26.006
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 黄紫成 福州海峡职业技术学院信息工程系 3 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  (18)
共引文献  (7)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1999(3)
  • 参考文献(1)
  • 二级参考文献(2)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(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)
研究主题发展历程
节点文献
微阵列
主成分分析
支持向量机
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
现代计算机(普及版)
月刊
1007-1423
44-1415/TP
16开
广东省广州市
46-205
1985
chi
出版文献量(篇)
7135
总下载数(次)
4
总被引数(次)
3032
论文1v1指导