[0007] -种基于SVM-RFE和重叠度的特征选择方法,具体步骤如下:[0008] (1)当前训练样本集合X,迭代删除特征比为t,当前特征集合为F;初始时,F包含所 有特征,FS为空,交叉验证倍数为d,初始准确率c_acc = 0.0,初始重叠度c_oa = 0.0;[0009] (2)如果当前特征集合F不为空,对于每一类样本集Xj = {x |x￡X,...
针对特征提取后维数较高的问题,使用基于支持向量机的回归特征消去(support vector machine recursive feature elimination,SVM-RFE)算法进行特征选择,通过对训练数据集使用10段交叉验证(cross validation,CV)的方法寻找最佳特征组合,确定特征在维数为6时具有最低平均识别错误率,对测试数据集采用同样的方法和同样的组合进行...
(Normal Controls,NC),论文实现了一种基于SVM-RFE和MRMR的AD MRI医学图像分类方法VTSRM.该方法首先提取出MRI医学图像的纹理特征和形态学特征,然后利用基于支持向量机递归特征消除算法(SVM-RFE)和最小冗余最大相关(MRMR)技术的特征选择算法SRM选择出最优特征子集,并使用SVM分类算法对AD,MCI,NC进行分类.美国公共阿尔...
注册 待分类 > 待分类 > 基于相似贡献度和SVMRFE方法的特征基因选取 下载文档 收藏 打印 转格式 86阅读文档大小:1.62M5页cook0081上传于2015-09-02格式:DOCX 基于SVM的灵敏度分析方法选取肿瘤特征基因 热度: 一种基于mvAUC的互补差异表达基因选取方法
交叉验证的每一折都有各自的训练集和验证集，会给出一个训练准确率和一个验证准确率。把各个训练集...
基于相似贡献度和SVM-RFE方法的特征基因选取 徐妙志;郭龙;刘德浩;徐全智 【摘要】利用有限的基因芯片数据识别结肠癌特征基因集合,对该疾病的临床诊断和生物医学研究起到有益的参考和借鉴作用.针对该问题,首先提出一种滤除分类无关基因的新方法——相似贡献度方法,然后采有支持向量机递归特征消去方法(SVM-RFE)得到候选...