.png){kind=icon}
返回
Dynamic time-varying transfer function for cancer gene expression data feature selection problem
.png){kind=icon}
OA
AI
DOI：10.1186/s40537-025-01105-w.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
癌症基因表达数据具有高维度、多样本和多类分类的特点。特征选择（FS）是解决这些数据挖掘挑战的关键预处理步骤。为解决癌症基因表达数据中的特征选择问题，提出了一种新型传递函数结构，即动态时变传递函数。通过采用动态调整的概念，引入了一种基于种群多样性的自适应调整策略，并将其与时变传递函数结合，得到动态时变传递函数。最初，为证明动态时变传递函数的优越性，通过涉及三种不同设计方法（动态传递函数、时变传递函数和动态时变传递函数）进行了比较分析。S形、V形、U形和M形传递函数被选为本研究的实验载体。在实验第一阶段，这三种设计方法与上述四种不同形状的传递函数分别结合。在九个标准UCI数据集上进行了性能测试，以验证所提出的动态时变传递函数的有效性。随后，为评估所提出方法在12个癌症基因表达测试数据集上的泛化能力，采用了五种算法（AOA、COA、PSO、WOA和ZOA）。采用Friedman检验和Wilcoxon秩和检验进行结果分析。仿真结果表明，应用动态时变传递函数能够有效简化特征子集，同时提高分类精度，并在应用于这些数据集时实现更低的适应度值。
Keyword:
Dynamic time-varying transfer function
Population diversity
Feature selection
Cancer gene expression data
期刊
IF:
6.4
论文数:
1.5K
被引数:
1.1W
机构
引用论文
.png){kind=icon}
Electric eel foraging optimization: A new bio-inspired optimizer for engineering applications电鳗鱼觅食优化: 一种用于工程应用的新型生物启发优化器
PREAI
分享收藏
查看更多内容