原创力文档- 1、本文档共6页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于小波低频系数基因芯片数据的特征提取.pdf
第9卷第3期 生物信息学 V01．9No．3
201 China ofBioinformatics
1年9月 Journal Sep．，2011
doi：10．3969／j．issn．1672-5565．2011．03．019
基于小波低频系数基因芯片数据的特征提取
刘玉杰，刘毅慧+
(山东轻_-E业学院信息科学与技术学院智能信息处理研究所，山东济南250353)
摘要：特征提取和分类是模式识别中的关键问题。结合小波分析理论和支持向量机理论，构造分类器模型，将前列腺癌基
因芯片数据分成癌症和正常两种。提取小波低频系数表征原始数据并送入支持向量机分类器分类，实验证明：提取dbt小波
频系数，得到的分类效果相差不大。
关键词：小波分析；支持向量机；前列腺癌基因芯片数据；交叉验证；小波低频系数
文献标识码：A
中图分类号：Q617；TP391 文章编号：1672—5565(2011)一03—255一05
Wavelet CoefficientsforFeature
low——frequency
ExtractionofGene data
Microarray
UU Yi．hui。
Yu-jie．LIU
Scienceand
(InstituteofIntelligenceInformationProcessing，SchoolofInformationTechnology，
Institute
Shandongo，LightIndustry，Jinan250353，China)
extractionandclassificationarethe issuesinthe field．Inthe
Abstract：Feature key patternrecognition paper，we
usethewavelet andthe vectormachinetobuilda classifierwhichCan
analysistheory support theory distinguish
cancertissuefrom cancer data．Weextractwavelet coefficientstocharac·
prostate genemieroarray low—frequency
of cancer feedthecoefficientstotheclassifier．Intheseex-
terizethefeatures
prostate genemicroarraydata，then
extractdblwavelet coefficientsatlevel4andthecorrectclassificationrateis93．
periments，we low—frequency
53％．Thecorrectclassificationrateofthehaarwaveis92．94％．Thereislittledifferencedifferentwavelets．
文档评论（0）