返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 正版 基因表达数据的特征选择及其识别算法研究 陆慧娟,严珂 科
  • 新华书店旗下自营,正版全新
    • 作者: 陆慧娟,严珂著 | 陆慧娟,严珂编 | 陆慧娟,严珂译 | 陆慧娟,严珂绘
    • 出版社: 科学出版社
    • 出版时间:2018-01-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    美阅书店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 陆慧娟,严珂著| 陆慧娟,严珂编| 陆慧娟,严珂译| 陆慧娟,严珂绘
    • 出版社:科学出版社
    • 出版时间:2018-01-01
    • 版次:1
    • 印刷时间:2017-05-01
    • 字数:176千字
    • 页数:132
    • 开本:小16开
    • ISBN:9787030519610
    • 版权提供:科学出版社
    • 作者:陆慧娟,严珂
    • 著:陆慧娟,严珂
    • 装帧:平装-胶订
    • 印次:暂无
    • 定价:48.00
    • ISBN:9787030519610
    • 出版社:科学出版社
    • 开本:小16开
    • 印刷时间:2017-05-01
    • 语种:暂无
    • 出版时间:2018-01-01
    • 页数:132
    • 外部编号:8968854
    • 版次:1
    • 成品尺寸:暂无


    前言

    第1章 绪论
    参考文献

    第2章 理论基础与相关工作
    2.1 基因表达数据特征选择方法
    2.2 神经网络
    2.3 支持向量机
    2.4 超限学习机
    2.5 集成学习
    2.6 代价敏感学习
    2.7 决策树
    2.8 粒子群算法
    2.9 遗传算法
    2.10 小结
    参考文献

    第3章 基于基因数据的特征选择算法
    3.1 引言
    3.2 基于信息增益的基因分组与筛选
    3.2.1 信息熵与信息增益
    3.2.2 信息增益流程
    3.3 基于互信息最大化的基因分组与筛选
    3.4 基于遗传算法的基因选择
    3.4.1 遗传算法简介
    3.4.2 遗传算法流程
    3.4.3 编码方式
    3.4.4 适应度函数
    3.4.5 遗传算子
    3.4.6 交叉率与变异率
    3.5 基于聚类算法与PSO算法的基因选择
    3.5.1 聚类算法
    3.5.2 算法描述
    3.6 基于信息增益和遗传算法的基因选择
    3.6.1 算法分析
    3.6.2 算法描述
    3.6.3 实验与结果分析
    3.7 基于互信息最大化和遗传算法的基因选择
    3.7.1 算法分析
    3.7.2 算法描述
    3.7.3 实验与结果分析
    3.8 基于互信息最大化和自适应遗传算法的基因选择
    3.8.1 自适应遗传算法
    3.8.2 算法流程
    3.8.3 实验与结果分析
    3.9 小结
    参考文献

    第4章 基于核主成分分析的旋转森林基因数据分类算法
    4.1 引言
    4.2 集成算法
    4.2.1.Boosting算法
    4.2.2 Adaboost算法
    4.2.3 Bagging算法
    4.2.4 随机森林
    4.2.5 旋转森林
    4.3 基于核主成分分析的旋转森林
    4.3.1 核函数相关理论
    4.3.2 核主成分分析
    4.3.3 基于核主成分分析的旋转森林算法描述
    4.4 实验与结果分析
    4.5 小结
    参考文献

    第5章 基于改进PSO的KELM的基因表达数据分类
    5.1 引言
    5.2 基本粒子群算法
    5.3 自适应混沌粒子群算法对超限学习机参数的优化作用
    5.3.1 自适应惯性权重与适应度方差
    5.3.2 混沌序列
    5.3.3 算法分析与描述
    5.3.4 实验与结果分析
    5.4 基于改进PS0的核超限学习机算法
    5.4.1 KELM
    5.4.2 算法简介
    5.4.3 算法分析与描述
    5.4.4 实验与结果分析
    5.5 小结
    参考文献

    第6章 基于输出不一致测度的ELM集成基因表达数据分类
    6.1 引言
    6.2 相异性集成
    6.3 常见的相异性度量方法
    6.3.1 输出不一致测度
    6.3.2 错误一致测度
    6.4 基于输出不一致测度的ELM集成
    6.4.1 理论分析
    6.4.2 算法描述
    6.4.3 实验与结果分析
    6.5 嵌入代价敏感的相异性集成超限学习机
    6.5.1 嵌入代价敏感的D-ELM
    6.5.2 算法分析与描述
    6.5.3 嵌入拒识代价的cs-D-ELM
    6.6 小结
    参考文献

    第7章 基于代价敏感的基因表达数据分类
    7.1 引言
    7.2 代价敏感超限学习机
    7.2.1 贝叶斯决策论的启发
    7.2.2 基于ELM集成的概率
    7.2.3 算法分析与描述
    7.3 嵌入拒识代价的代价敏感ELM
    7.3.1 CS-ELM的实验结果
    7.3.2 嵌入拒识代价的CS.ELM的实验结果
    7.4 代价敏感旋转森林
    7.4.1 代价敏感决策树
    7.4.2 算法分析
    7.4.3 CS.RoF的实验结果
    7.5 小结
    参考文献

    第8章 总结

    评论

    本书是作者在近10年来对模式识别研究基础上形成的一部专著。随着基因组学的不断发展,DNA微阵列技术为生命科学提供新的解决问题的思路与方法。本书展示了机器学习中核心的算法和理论,并阐明了算法的运行过程及应用。本书综合了许多的研究成果,例如统计学、人工智能、信息论、生物学、认知科学、计算复杂性和控制论等,并以此来理解问题的背景、算法和其中的隐含假定。

    导语_点评_词 

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购