...
机译:具有Fisher分数的特征选择,后跟最大Clique Centrality算法可以准确识别肝细胞癌的轮毂基因
机译:差分共表达网络中心度和机器学习特征选择,用于识别无尺度结构网络中的易感性中心
机译:基于特征评分和遗传算法的两阶段特征选择算法
机译:通过共表达网络鉴定树突细胞相关基因,构建用于预测肝细胞癌预后的12-基因风险评分模型
机译:造影增强型肝CT计算机辅助检测肝癌中的最大部分AUC特征选择
机译:预测运动成绩的遗传算法和特征子集选择:以职业足球为例。
机译:FRL:基于Fisher分数的综合特征选择算法递归特征消除和逻辑回归来识别潜在基因组生物标志物
机译:表2:由包括MCC(最大Clique Centrality),程度和之间的方法评估的前10名轮毂基因。
机译:基于遗传算法的数据挖掘特征子集加权和选择