1) data of gene graphical representation
基因图形表达数据
2) gene graphic representation
基因图形表达
3) Gene expression data
基因表达数据
1.
Assessment of optimial clustering algofithm for gene expression data based on conditional root-mean-square F value;
基于实验均方误差F值的基因表达数据最佳聚类评判方法研究
2.
Using fuzzy kernel discriminant analysis for tumor classification with gene expression data;
基于模糊核判别分析的基因表达数据分析方法
3.
Clustering analysis methods of gene expression data based on representative entropy;
基于代表熵的基因表达数据聚类分析方法
4) Gene Expression Data
基因表达谱数据
1.
Applying of Support Vector Machines in Microarray Gene Expression Data Classification;
支持向量机在微阵列基因表达谱数据分类中的应用
5) Metastasis in breast tumor
基因芯片数据表达
6) gene expression data classification
基因表达数据分类
1.
This paper aims to improve gene expression data classification method in two aspects,classifica- tion algorithm and feature selection.
从分类算法和特征基因选择两个方面研究基因表达数据的分类,将传统的Support Vector Machines(SVM)算法和K-nearest neighbor(KNN)算法两者结合成为一种应用于基因表达数据分类的算法,并针对基因表达数据分类数据集“样本少,维数高”的特点,提出了一种改进的基于相关性的递归特征消除算法(简称为C-RFE),消除了数据冗余。
补充资料:基因表达系列分析
基因表达系列分析(sage)是通过快速和详细分析成千上万个est(express sequenced tags)来寻找出表达丰富度不同的sage标签序列。再次访法中,通过限制性酶切可以产生非常短的cdna(10-14bp)标签,并通过pcr扩增和连接,随后对连接题进行测序。sage大大简化和加快了3’端表达序列标签的收集和测序。同dd一样,sage是一个“开放”的系统,可以发现新的未知的序列。在进行标本的比较之前,sage在cdna的产生和处理上需要较多个步骤。由于sage是一个依赖dna测序的基因计量方法,它对基因表达的测定比dd更加量化。由于需要进行大量的测序反应,所以费用因素使大多数研究机构对其广泛应用的主要限制。
说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条