一种改进的基因微阵列数据分类算法
computer engineering & Software（2020）
摘要
针对基因微阵列数据具有维数高、样本小、冗余高的特点,为了提高基因分类算法的性能,提出一种基于灰狼优化和支持向量机的分类算法.该算法使用主成分分析法进行数据降维,选取15个相关系数最大的基因探针,利用改进的灰狼优化算法对支持向量机的奖罚因子C与核宽度σ进行参数寻优,并在2组公开的癌症微阵列数据上进行试验.实验的准确率分别为95.24％和94.00％,通过与其它算法进行性能对比,该算法具有高效、精准的分类能力,对临床医学应用有极为重要的参考意义.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要