说明:应用背景 虽然传统的基因选择方法已经能够取得很好的效果,选出的基因子集有利于后续样本分类,但是这些方法主要考虑数据方差和分布的相关性,从而选出的基因可解释性较差且冗余度较高。为了获得最小冗余可解释的基因子集,本文在充分考虑基因类别灵敏度 (Gene to class sensitivity,...
说明:应用背景1、图片预处理;2、特性提取:颜色、灰度共生矩阵、灰度差分、Harr-like、等多个特征提取算法;3、特性选择:从特征向量中选取有效的特性;4、基础算法:AdaBoost的训练与测试;贝叶斯算法5、AdaBoost的改进:升压,castboost、Floatboost算法关键技术采用MAT...
说明:KNN-KSR方法是一种不直接建立自变量与因变量间数学关系去预测因变量的方法。该方法基于以下两个假设:(1)在所选择的样本描述指标信息足够完备时,性质越相似的样本在同类指标间的空间分布越接近,否则其空间距离也越大;(2)如果两类指标间存在较大关联度,则样本分别在两类指标内的空间分布也具有较大相似性。...
说明:第二届全国高校研究生数学建模竞赛优秀论文【题目A】