基于卷积神经网络的子宫内膜癌分类问题

摘要

在本文中,讨论了基于卷积神经网络(CNN)对87位女性子宫内膜基因表达样本的分类问题。首先,删除掉缺失数据对应的基因,计算信噪比来过滤不相关的基因。然后,将每个指标相应的数据放入CNN中求出分类准确率。之后对每个指标进行归一化处理,同样通过CNN得到4个指标组合的分类准确率。最后,应用下三角矩阵和上三角零元素处理来改进初始化卷积核。后者有效地提高了训练集以及测试集的分类准确率。