சுருக்கம்

The classification of multiclass tumor gene expression data based on two-layer particle swarm optimization

Yajie Liu, Xinling Shi, Changxin Gou, Baolei Li, Lian Gao


The classification of gene expression data to determine different type of tumor samples is significantly important to research tumors in molecular biology level formaking further treatment plan of the patient. Particle swarm optimization (PSO) has employed as a solution for classification and clustering in bioinformatics. In this study, a classifier based on the two layer particle swarm optimization (TLPSO) algorithm is established to classify the uncertain training sample sets obtained from gene expression data of breast, prostate, lung and colon tumor samples. Compared with PSO and K-means algorithm in validation, the classification stability and accuracy based on the proposedTLPSOalgorithmis improved significantly, which may provide more information to clinicians for choosing more appropriate treatment.


மறுப்பு: இந்த சுருக்கமானது செயற்கை நுண்ணறிவு கருவிகளைப் பயன்படுத்தி மொழிபெயர்க்கப்பட்டது மற்றும் இன்னும் மதிப்பாய்வு செய்யப்படவில்லை அல்லது சரிபார்க்கப்படவில்லை

குறியிடப்பட்டது

  • CASS
  • கூகுள் ஸ்காலர்
  • ஜே கேட் திறக்கவும்
  • சீனாவின் தேசிய அறிவு உள்கட்டமைப்பு (CNKI)
  • CiteFactor
  • காஸ்மோஸ் IF
  • டைரக்டரி ஆஃப் ரிசர்ச் ஜர்னல் இன்டெக்சிங் (DRJI)
  • ரகசிய தேடுபொறி ஆய்வகங்கள்
  • அறிஞர் கட்டுரை தாக்கக் காரணி (SAJI))
  • ICMJE

மேலும் பார்க்க

ஜர்னல் எச்-இண்டெக்ஸ்

Flyer