文章摘要
引用本文:简彩仁,陈晓云.基于稀疏表示和最小二乘回归的基因表达数据分类方法[J].福州大学学报(自然科学版),2015,43(6):738~741
基于稀疏表示和最小二乘回归的基因表达数据分类方法
Gene expression data classification model based on sparse representation and least square regression
  
DOI:10.7631/issn.1000-2243.2015.06.0738
中文关键词: 稀疏表示  最小二乘回归  基因表达数据  分类
英文关键词: sparse representation  least square regression  gene expression data  classification
基金项目:
作者单位
简彩仁 福州大学数学与计算机科学学院福建 福州 350116 厦门大学嘉庚学院福建 漳州 363105 
陈晓云 福州大学数学与计算机科学学院福建 福州 350116 
摘要点击次数: 347
全文下载次数: 429
中文摘要:
      提出基于稀疏表示和最小二乘回归的分类方法: 用训练样本重构测试样本,先利用稀疏表示剔除噪声样本,接着用最小二乘回归和最近邻子空间准则对样本分类,可以克服传统分类方法存在的过拟合问题. 在6个基因表达数据上的实验结果表明,该方法可以提高分类准确率.
英文摘要:
      A new classification method based on sparse representation and least square regression is proposed. The method first reconstructs a test sample by the training samples to remove noise samples by using sparse representation,and then it uses least square regression and subspace nearest rule to classify samples. The method can overcome the over fitting problem of the traditional classification methods. Experimental results on six gene expression data sets show that the proposed method can improve the classification accuracy.
查看全文   查看/发表评论  下载PDF阅读器
关闭