| 基于LAZE先验的机器学习方法在癌症数据上的应用——以前列腺癌数据集为例 |
| |
| 引用本文： | 叶颀, 林颖. 基于LAZE先验的机器学习方法在癌症数据上的应用——以前列腺癌数据集为例[J]. 华南师范大学学报（自然科学版）, 2018, 50(4): 115-120. DOI: 10.6054/j.jscnun.2018089 |
| |
| 作者姓名： | 叶颀 林颖 |
| |
| 作者单位： | 1.(华南师范大学数学科学学院,广州 510631) |
| |
| 基金项目： | 国家自然科学基金项目(1160162);华南师范大学高水平大学重点改革领域重大培育项目(S80835);华南师范大学引进人才科研启动项目(S81031);华南师范大学青年教师科研培育基金项目(600201) |
| |
| 摘 要： | 针对高维癌症数据的特征构建稀疏化模型,分析了已有的稀疏化方法能够取得稀疏化结果的原因,以此为基础改进了使用LAZE先验的贝叶斯方法,得到了2个适用于癌症数据的新稀疏化方法（使用半混合先验的贝叶斯方法和使用完整LAZE先验的贝叶斯方法）;并利用前列腺癌数据集对2个新稀疏化方法的可行性与有效性进行验证. 数值实验结果表明:与传统稀疏化方法相比较,新稀疏化方法不仅能够得到较好的稀疏效果,能够完全剔除与目标指标无关的临床指标,还能得到较低的误差.
|
| 关 键 词： | 癌症数据 机器学习 稀疏模型 LAZE先验 MCMC方法 |
| 收稿时间： | 2017-05-11 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《华南师范大学学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《华南师范大学学报(自然科学版)》下载全文 |
