一种基于集成学习策略的单细胞转录组数据集成分类算法 |
| |
引用本文: | 刘桂锋,于绍楠,崔璐.一种基于集成学习策略的单细胞转录组数据集成分类算法[J].吉林大学学报(理学版),2021,59(5):1252-1255. |
| |
作者姓名: | 刘桂锋 于绍楠 崔璐 |
| |
作者单位: | 1. 吉林大学中日联谊医院 放射线科, 长春 130033; 2. 吉林大学中日联谊医院 医疗保险管理部, 长春 130033 |
| |
摘 要: | 针对单细胞转录组数据上细胞分类准确率较低的问题, 提出一种新的细胞集成分类算法. 该方法能充分利用不同分类模型的优点, 降低单细胞数据的分类误差. 分别在慢性粒细胞白血病单细胞测序数据和三阴性乳腺癌单细胞测序数据两个不同数据集上进行实验验证, 实验结果表明, 由集成算法划分的细胞分类更清晰准确, 验证了该算法的有效性.
|
关 键 词: | 单细胞转录组 集成分类模型 k-近邻算法 支持向量机 |
收稿时间: | 2021-05-18 |
本文献已被 CNKI 万方数据 等数据库收录! |
| 点击此处可从《吉林大学学报(理学版)》浏览原始摘要信息 |
| 点击此处可从《吉林大学学报(理学版)》下载免费的PDF全文 |
|