排序方式: 共有11条查询结果,搜索用时 15 毫秒
1.
在基于微阵列的癌症分类中,由于变量(基因表达)较多,而实验条件较少,因此特征选择和分类方法非常重要.对于疾病诊断,分类器的性能直接影响到最终结果的准确性.本文提出一种新的基因选择和分类方法,这种方法使用基于递归特征排除(RFE)的非线性核支持向量机(SVM).实验表明本文方法比其它线性分类方法具有更好的整体表现,如线性核支持向量机和Fisher线性判别分析方法;同样本文方法也比一些非线性分类方法更好,如采用非线性核的最小二乘支持向量机(LS-SVM).实验除了使用测试集,还使用留一校验算法(leave-one-out)用于测试分类器的泛化性能.实验采用可通过互联网获得的AML/ALL数据集和遗传性乳腺癌数据集. 相似文献
2.
3.
4.
5.
6.
介绍一种自行研制的毛细管电泳仪。以半导体激光器作为激发光源,使用液芯波导石英毛细管同时作为电泳分离通道和荧光检测光路,结合基于取样探针、缺口型样品圆盘两者的缝管自动进样系统,以激光诱导荧光的检测方式实现对两种常用DNA分子标记物(DNA Marker)快速、低耗、准确的有效检测。该仪器具有结构简单、体积小、操作方便等特点。 相似文献
7.
8.
9.
10.