已閱讀1頁,還剩35頁未讀, 繼續(xù)免費閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、腫瘤等惡性疾病的準確判別對治療具有重要的意義。有很多腫瘤在患病初期的臨床癥狀并不明顯,或者說與其它疾病的癥狀比較相似,無法用傳統(tǒng)醫(yī)療診斷方法在初期確診并給予有效治療。
本文提出了一種基于ROC分析的多類別腫瘤分類和特征基因選取的策略,并在2組基因表達數(shù)據(jù)上對其進行了評估。該方法假設(shè)每個類別內(nèi)的樣本服從正態(tài)分布且各個特征間相互獨立,通過樸素貝葉斯分類器建立每類腫瘤的后驗概率模型,將樣本分入后驗概率最大的一類中去。然后用HUM
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 一種基于分類的圖像增強方法.pdf
- 基于ROC的分類算法評價方法.pdf
- 一種基于SVM的降維方法在三類ROC分析中的應(yīng)用.pdf
- 一種基于集成學習的多示例分類模型.pdf
- 一種基于圖像內(nèi)容的粗略分類方法研究.pdf
- 一種基于分類結(jié)構(gòu)的本體匹配方法.pdf
- 一種基于子空間分解和判別分析的多標簽分類算法.pdf
- 一種改進的ML-KNN多標記分類方法研究.pdf
- 多類別智能分類器方法研究.pdf
- 基于一種改進特征選擇方法的股票分類研究
- 一種廣義虛擬經(jīng)濟的分類方法
- 基于一種改進特征選擇方法的股票分類研究.pdf
- 一種基于線性判別分析和支持向量機的音樂分類方法.pdf
- 一種基于知識分類樹的個性化推薦方法.pdf
- 一種基于MACA的數(shù)據(jù)挖掘分類方法研究與應(yīng)用.pdf
- 一種新的多源圖像融合方法.pdf
- 一種基于橫切特征分析的軟件重構(gòu)方法.pdf
- 一種基于網(wǎng)站反饋和集成學習的口令強度分類方法.pdf
- 基于基因表達數(shù)據(jù)的腫瘤亞型多類別分類與分析.pdf
- 一種新型多軸高周疲勞壽命分析方法.pdf
評論
0/150
提交評論