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:
基于前列腺癌检测中获取的表面增强激光解吸/离子化飞行时间质谱(SELDI-TOF-MS)数据,提出一种概率主成分分析(PPCA)联合支持向量机(SVM)的分类方法.对临床322例血清样本的质谱数据进行特征提取,以随机选取训练样本集(225例)构造SVM判别模型,对剩余样本集(97例)进行测试.采用均方根误差、识别率与预测率指标,将所构造的PPCA-SVM模型分别与偏最小二乘(Partial least squares,PLS)和PCA-SVM模型进行比较,发现PLS模型的识别率和预测率分别为90.92%和76.38%,PCA-SVM模型分别为99.23%和84.63%,而PPCA-SVM模型分别为99.01%和90.41%.因此SELDI-TOF-MS技术结合PPCA-SVM在样品分类中具有准确、重复性好等优点,为前列腺癌早期诊断提供了一种新方法.
推荐文章
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
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作战飞机效能评估
主成分分析
支持向量机
效能
神经网络
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 概率主成分分析联合支持向量机的前列腺SELDI-TOF质谱数据分析方法研究
来源期刊 分析测试学报 学科 化学
关键词 前列腺癌 概率主成分分析 支持向量机 SELDI-TOF-MS
年,卷(期) 2016,(1) 所属期刊栏目 研究简报
研究方向 页码范围 91-95
页数 5页 分类号 O657.63|Q461
字数 3515字 语种 中文
DOI 10.3969/j.issn.1004-4957.2016.01.015
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 熊文激 26 217 6.0 14.0
2 李肃义 吉林大学仪器科学与电气工程学院 29 238 7.0 15.0
3 嵇梦颖 吉林大学仪器科学与电气工程学院 1 1 1.0 1.0
4 徐壮 吉林大学仪器科学与电气工程学院 4 11 2.0 3.0
5 王跃洋 吉林大学仪器科学与电气工程学院 3 5 1.0 2.0
6 申博文 吉林大学化学学院 1 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  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(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)
2018(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
前列腺癌
概率主成分分析
支持向量机
SELDI-TOF-MS
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
分析测试学报
月刊
1004-4957
44-1318/TH
大16开
广州市先烈中路100号
46-104
1982
chi
出版文献量(篇)
6306
总下载数(次)
8
总被引数(次)
62582
相关基金
吉林省自然科学基金
英文译名:
官方网址:http://kyc.nedu.edu.cn/xxcx/xmzl/sqsjddxs2.htm
项目类型:
学科类型:
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导