| 用于癌症分类的随机子空间半监督维数约减 |
| |
| 引用本文： | 文贵华,蔡先发,韦佳.用于癌症分类的随机子空间半监督维数约减[J].华南理工大学学报(自然科学版),2013,41(7). |
| |
| 作者姓名： | 文贵华 蔡先发 韦佳 |
| |
| 作者单位： | 1. 华南理工大学计算机科学与工程学院,广东广州,510006
2. 华南理工大学计算机科学与工程学院,广东广州510006;广东药学院医药信息工程学院,广东广州510006;深圳市高性能数据挖掘重点实验室,广东深圳518055 |
| |
| 基金项目： | National Natural Science Foundation of China，国家自然科学基金资助项目 |
| |
| 摘 要： | 精确的癌症分类对于癌症的成功诊断和治疗是必不可少的.半监督维数约减算法在干净的数据集上表现得很好,然而当面临噪声时,当前的大部分算法所构造的邻域结构是拓扑不稳定的.为了克服这一问题,文中提出了一种基于随机子空间的半监督维数约减算法(RSSSDR),将随机子空间与半监督维数约减算法结合起来.在数据集的不同随机子空间上,该算法首先设计多个不同的子图,然后将这些子图联合起来构成一个混合图并在其上进行维数约减.该算法通过最小化局部重构误差来确定邻域图的边权值,在保持癌症数据集局部结构的同时能够保持其全局结构.在公共癌症数据集上的实验结果表明,RSSSDR算法具有较高的分类准确率和较好的参数鲁棒性.
|
| 关 键 词： | 半监督学习 随机子空间 癌症分类 维数约减 |
Random Subspace-Based Semi-Supervised Dimensionality Reduction for Cancer Classification |
| |
| Wen Gui-hua
,
Cai Xian-fa
,
Wei Jia.Random Subspace-Based Semi-Supervised Dimensionality Reduction for Cancer Classification[J].Journal of South China University of Technology(Natural Science Edition),2013,41(7). |
| |
| Authors: | Wen Gui-hua Cai Xian-fa Wei Jia |
| |
| Abstract: | |
| |
| Keywords: | semi-supervised learning random subspace cancer classification dimensionality reduction |
| 本文献已被 万方数据 等数据库收录！ |
|
