文件名称：基于Neuro-Fuzzy-Rough集的基于基因表达数据的癌症分类特征选择技术-研究论文
文件大小：435KB
文件格式：PDF
更新时间：2024-06-30 02:36:22
Feature selection Neuro-fuzzy-rough.
癌症诊断中的基因表达研究是通过微阵列技术完成的。 微阵列技术问题的描述（选择正确的基因组和维数诅咒）和克服这些问题的建议技术是本文的范围。 所提出的技术通过混合特征选择方法从数据集中去除最不相关、冗余和噪声特征，从而有助于提高学习模型的性能。 最近几天，许多研究致力于混合特征选择技术，它结合了两种或多种特征选择技术而不是使用单一的特征选择技术。 在本文中，我们提出了基于神经模糊粗糙集的混合特征选择（NFR）方法，即 FPRS 和 ANFIS，它提取排名靠前的基因，并从微阵列基因表达数据中发现更多相关基因以及噪声基因以获得更好的结果。分类准确率。 这项工作应用于四个微阵列数据集，实验结果揭示了所提出技术的效率和有效性。 最后，使用两种分类算法（kNN 和 SVM）评估获得的显着基因。