• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Applied Intelligence: The International Journal of Artificial Intelligence, Neural Networks, and Complex Problem-Solving Technologies >Applying 1-norm SVM with squared loss to gene selection for cancer classification
【24h】

Applying 1-norm SVM with squared loss to gene selection for cancer classification

机译：将1常态SVM应用于CARMAR分类的基因选择

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Gene selection methods available have high computational complexity. This paper applies an 1-norm support vector machine with the squared loss (1-norm SVMSL) to implement fast gene selection for cancer classification. The 1-norm SVMSL, a variant of the 1-norm support vector machine (1-norm SVM) has been proposed. Basically, the 1-norm SVMSL can perform gene selection and classification at the same. However, to improve classification performance, we only use the 1-norm SVMSL as a gene selector, and adopt a subsequent classifier to classify the selected genes. We perform extensive experiments on four DNA microarray data sets. Experimental results indicate that the 1-norm SVMSL has a very fast gene selection speed compared with other methods. For example, the 1-norm SVMSL is almost an order of magnitude faster than the 1-norm SVM, and at least four orders of magnitude faster than SVM-RFE (recursive feature elimination), a state-of-the-art method.
机译：基因选择方法可用具有高计算复杂性。 本文适用一个带有平方损耗（1-NARM SVMSL）的1常态支持向量机，以实现癌症分类的快速基因选择。 已经提出了1-NARM SVMS1，已经提出了1常态支持向量机（1-NOM SVM）的变型。 基本上，1-NARM SVMSL可以在相同的情况下进行基因选择和分类。 但是，为了提高分类性能，我们只使用1-NARM SVMSL作为基因选择器，并采用后续分类器来分类所选基因。 我们在四个DNA微阵列数据集上进行广泛的实验。 实验结果表明，与其他方法相比，1-NARM SVMS1具有非常快的基因选择速度。 例如，1-NARM SVMSL几乎比1-NARM SVM快，并且比SVM-RFE（递归特征消除），最先进的方法，至少四个数量级。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号