根据基因表达谱数据的特点,提出了全局分量模型(global component model,简称GCM)和癌症组分量模型(cancer component model,简称CCM)两种癌症识别模型.结合GCM模型和CCM模型的互补性,利用基于权值的投票组合策略提出一种基于组合GCM和...根据基因表达谱数据的特点,提出了全局分量模型(global component model,简称GCM)和癌症组分量模型(cancer component model,简称CCM)两种癌症识别模型.结合GCM模型和CCM模型的互补性,利用基于权值的投票组合策略提出一种基于组合GCM和CCM的癌症分类算法(ensemble algorithm based on GCM and CCM for cancer recognition,简称EAGC).在Leukemia,Breast,Prostate,DLBCL,Colon,Ovarian这6个数据集上进行了独立测试实验和交叉测试实验.实验结果表明,EAGC有效地综合了GCM和CCM识别模型的解决方案,弥补了单个分类器的不足,具有较好的泛化性,在所有数据集上都取得较好的分类性能.展开更多
利用微阵列基因表达谱分类癌症患者样本对患者的治疗具有非常重要的意义.针对高维、高冗余的微阵列基因数据中致癌因子存在局部相关性的特点,提出一种基于权重的关联空间分类模型(Weight based Classification with Related Space,WCRS)...利用微阵列基因表达谱分类癌症患者样本对患者的治疗具有非常重要的意义.针对高维、高冗余的微阵列基因数据中致癌因子存在局部相关性的特点,提出一种基于权重的关联空间分类模型(Weight based Classification with Related Space,WCRS).基本思想是首先利用协方差矩阵的对角化来构建癌症组的关联空间,并提出一种基于癌症关联空间的基因表达模式,然后提取使得癌症组具有最小组能量的最小扩展空间,最后在最小扩展空间上建立一种基于权重的癌症分类算法.实验结果表明,WCRS在精确度上比传统分类算法具有更好的性能.展开更多
文摘根据基因表达谱数据的特点,提出了全局分量模型(global component model,简称GCM)和癌症组分量模型(cancer component model,简称CCM)两种癌症识别模型.结合GCM模型和CCM模型的互补性,利用基于权值的投票组合策略提出一种基于组合GCM和CCM的癌症分类算法(ensemble algorithm based on GCM and CCM for cancer recognition,简称EAGC).在Leukemia,Breast,Prostate,DLBCL,Colon,Ovarian这6个数据集上进行了独立测试实验和交叉测试实验.实验结果表明,EAGC有效地综合了GCM和CCM识别模型的解决方案,弥补了单个分类器的不足,具有较好的泛化性,在所有数据集上都取得较好的分类性能.
文摘利用微阵列基因表达谱分类癌症患者样本对患者的治疗具有非常重要的意义.针对高维、高冗余的微阵列基因数据中致癌因子存在局部相关性的特点,提出一种基于权重的关联空间分类模型(Weight based Classification with Related Space,WCRS).基本思想是首先利用协方差矩阵的对角化来构建癌症组的关联空间,并提出一种基于癌症关联空间的基因表达模式,然后提取使得癌症组具有最小组能量的最小扩展空间,最后在最小扩展空间上建立一种基于权重的癌症分类算法.实验结果表明,WCRS在精确度上比传统分类算法具有更好的性能.
