登录
首页 » Matlab » 决策树分类器的应用研究——乳腺癌诊断

决策树分类器的应用研究——乳腺癌诊断

于 2022-04-08 发布 文件大小:86.83 kB
0 174
下载积分: 2 下载次数: 2

代码说明:

多分类器集成系统是当前机器学习领域的一个研究热点。由于使用多个基分类器构建的集成系统通常比单个优秀的分类器具有更强的泛化能力,因此多分类器集成系统为许多基于传统模式识别方法很难解决的分类问题提供了新的解决方案。DNA微阵列技术是一种由物理学、微电子学与分子生物学等几个领域综合交叉形成的高新技术,该技术已经在医学与生物学上得到越来越广泛的应用,其中在癌症分析检测上的应用使得在大规模基因水平上深入研究癌症的发生、扩散等病理特征成为可能。特别地,进行可靠的癌症类型诊断与预测、癌症关键基因的识别和癌症的分类已成为当前癌症研究中的两项重要内容。尽管如此,由于微阵列数据具有数据维数高、样本数少的特点,因而使用常规的模式识别方法并不能总是获得理想的结果。本文主要针对多分类器集成系统在基因微阵列数据集上的应用进行了深入的分析与探讨,并设计了新的集成系统,以更好地解决微阵列数据的分类判别问题。

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • eightantennas
    我搜集的关于把天线系统的文章。对于多数人多输出系统的八个天线系统进行总结。(eight antennas)
    2010-12-04 19:04:01下载
    积分:1
  • recognizesEMG
    把肌电信号的特征值提取出来进行人工网络识别(EMGs eigenvalue extracted manual network identification)
    2020-12-03 14:29:24下载
    积分:1
  • MATLAB
    基于RBF神经网络的短期客流预测,开发环境matlab,两个m文件,一个是选择数据的,另一个是主文件(Based on RBF neural network short-term passenger flow forecast, the development environment matlab, two m documents, is a choice of the data, the other is a master file)
    2011-12-04 12:01:41下载
    积分:1
  • MIMO_SparseChannel
    多发多收的稀疏信道估计的仿真程序,运用LS、OMP与时反算法( Multiple overcharged sparse channel estimation simulation program, using LS, OMP and time-reverse algorithm)
    2020-09-15 14:27:58下载
    积分:1
  • time_frequency_matlab
    横坐标是时间,纵坐标是频率,matlab绘制时频图的小程序(Time frequency pic)
    2021-02-25 11:39:38下载
    积分:1
  • 基于SVM的数据分类预测——意大利葡萄酒种类识别
    在葡萄酒制造业中,对于葡萄酒的分类具有很大意义,因为这涉及到不同种类的葡萄酒的存放以及出售价格,采用SVM做为分类器可以有效预测相关葡萄酒的种类,从UCI数据库中得到wine数据记录的是在意大利某一地区同一区域上三种不同品种的葡萄酒的化学成分分析,数据里含有178个样本分别属于三个类别(类别标签已给),每个样本含有13个特征分量(化学成分),将这178个样本50%做为训练样本,另50%做为测试样本,用训练样本对SVM分类器进行训练,用得到的模型对测试样本的进行分类标签预测,最终得到96.6292%的分类准确率. 
    2022-03-24 00:45:49下载
    积分:1
  • main_peaks
    bee algorythm sample
    2010-08-21 04:16:02下载
    积分:1
  • svm
    不错的svm讲义,对于svm的背景和原理有比较详细的讲解(svm)
    2009-04-16 13:45:04下载
    积分:1
  • pca
    说明:  在MATLAB上所使用的PCA程序,主要應用於過濾相對較不重要的特徵值(dimension),例如在三度空間的某些點具有(x,y,z)值,因為這些點有共同的一個持徵,就是z值相對於x,y值來得小很多(不明顯),所以就以X,Y軸來表示這些點。此時就達成去除掉z的特徵值(dimension)。 (MATLAB used in the PCA procedure, mainly used in filtering relatively unimportant eigenvalue (dimension), for example, in some points with three-dimensional (x, y, z) values, because these points have a common one sign holders, that is, z values compared with the x, y values much smaller than (not obvious), so on to X, Y axis to express these points. Reached at this time to get rid of z eigenvalues (dimension).)
    2008-09-27 14:10:06下载
    积分:1
  • lianbanglvboqi
    2021-03-11 15:39:26下载
    积分:1
  • 696516资源总数
  • 106914会员总数
  • 0今日下载