微阵列是近年来发展的生物技术,其产生数据典型特征是维数高而样本少,且数据常常存在缺少或噪声问题。在分析数据时,采用计算t值预处理方法解决此问题,同时针对数据高维的特点,采用PCA与核PCA对数据进行特征处理,然后应用支持向量机(SVM)进行训练,计算分类识别率。实验结果表明,经过降维处理之后能得到更高的分类识别率,提高了微阵列数据分析的准确性。
科研之友
微信
新浪微博
Facebook
分享链接
