留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

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

叶颀 林颖

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
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
YEQi, LIN Ying. Application of Machine Learning Methods Based on LAZE Priors to Cancer Data——Take the Prostate Cancer Data Set for Example[J]. Journal of South China normal University (Natural Science Edition), 2018, 50(4): 115-120. doi: 10.6054/j.jscnun.2018089
Citation: YEQi, LIN Ying. Application of Machine Learning Methods Based on LAZE Priors to Cancer Data——Take the Prostate Cancer Data Set for Example[J]. Journal of South China normal University (Natural Science Edition), 2018, 50(4): 115-120. doi: 10.6054/j.jscnun.2018089

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

doi: 10.6054/j.jscnun.2018089
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)

详细信息
    作者简介:

    叶颀,教授,Email:yeqi@m.scnu.edu.cn.

    通讯作者:

    叶颀,教授,Email:yeqi@m.scnu.edu.cn.

  • 中图分类号: O242.1

Application of Machine Learning Methods Based on LAZE Priors to Cancer Data——Take the Prostate Cancer Data Set for Example

More Information
    Author Bio:

    叶颀,教授,Email:yeqi@m.scnu.edu.cn.

    Corresponding author: 叶颀,教授,Email:yeqi@m.scnu.edu.cn.
  • 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.
  • 加载中
计量
  • 文章访问数:  1219
  • HTML全文浏览量:  149
  • PDF下载量:  128
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-05-11
  • 刊出日期:  2018-08-25

目录

    /

    返回文章
    返回