TY -的A2并且绕着圆圈圈打转,星矢盟——蔡Chen-An盟——黄,Chien-Hsun AU - Chang Ching-Wei AU - Chen Chun-Houh PY - 2012 DA - 2012/08/15 TI -递归特征选择的重要变量支持向量SP - 712542六世- 2012 AB - DNA微阵列的发展使得研究人员筛选数以千计的基因同时也有助于确定高和低表达的基因在正常和疾病的组织。选择相关的癌症基因的分类是一个重要的问题。大多数的基因选择方法使用单变量排名标准,任意选择一个阈值选择的基因。然而,参数设置可能不兼容所选分类算法。在本文中,我们提出一个新的基因选择方法(SVM - t基于使用) t -统计数据嵌入到支持向量机。我们比较两个相似的基于SVM方法的性能:SVM的递归特性消除(SVMRFE)和递归的支持向量机(RSVM)。比较三种方法基于大量的仿真实验和分析两个微阵列数据集出版。在仿真实验中,我们发现该方法比SVMRFE更健壮的选择有益的基因,RSVM,能够达到良好的分类性能信息和noninformative基因的变化是不同的。在两个微阵列数据集的分析,该方法收益更好的性能在识别更少的基因具有良好的预测精度,而SVMRFE RSVM。SN - 1748 - 670 - 2012/712542 / 10.1155 x你——https://doi.org/10.1155/2012/712542——摩根富林明——计算和数学方法在医学PB - Hindawi出版公司KW - ER