排序方式: 共有3条查询结果,搜索用时 109 毫秒
1
1.
从分类算法和特征基因选择两个方面研究基因表达数据的分类,将传统的Support Vector Machines(SVM)算法和K-nearest neighbor(KNN)算法两者结合成为一种应用于基因表达数据分类的算法,并针对基因表达数据分类数据集“样本少,维数高”的特点,提出了一种改进的基于相关性的递归特征消除算法(简称为C-RFE),消除了数据冗余.实验结果表明,新方法可有效提高分类准确率和特征选取的效率. 相似文献
2.
3.
在研究属性识别理论的基础上,利用概率统计理论建立了新的分类器,它先单独计算每个属性对分类的贡献,然后通过一种加权机制计算所有属性对样本的分类情况.同时,为了克服单分类器使用范围有限和分类准确度相对不高等特点,把新的分类系统与传统的K-NN分类器结合起来,进一步提高了此分类系统的分类能力.实验结果表明:这个分类系统具有较好地分类效果和鲁棒性. 相似文献
1