...
机译:审查微阵列数据的特征选择对癌症数据集分类准确性的影响
Center for Software Technology and Management, Faculty of Information Science and Technology, Universiti Kebangsaan Malaysia, Bangi, Selangor, Malaysia;
Center for Software Technology and Management, Faculty of Information Science and Technology, Universiti Kebangsaan Malaysia, Bangi, Selangor, Malaysia;
Classification accuracy; Experimental; Feature selection methods; Microarray cancer data sets; Wrappers;
机译:芯片数据的特征选择对癌症数据集分类准确性的影响的综述
机译:粗糙集特征选择方法提高微阵列数据分类精度的神经技术
机译:使用平行杂交特征选择在微阵列基因表达数据上提高癌症类型的分类准确性
机译:使用混合,包装器和滤波器特征选择方法对癌症分类微阵列数据分类准确性的生物研究
机译:对具有DNA微阵列数据的二元分类中的特征选择进行实证研究。
机译:MAQC-II乳腺癌和多发性骨髓瘤微阵列基因表达数据的特征选择和分类
机译:表5:SVM分类器对具有DBAP层的预先训练的Lenet派生的DBAP特征的精度。 DBAP功能显示比LENET中的MAXPOOL功能更好的分类结果。与DBAP的完全连接(FC)LENET的层也倾向于显示与在所有基准数据集上从常规LENET提取的FC层特征相比显示出更好的辨别能力。