文献

J-GLOBAL ID：201802237371308104   整理番号：18A1027970

マイクロアレイ遺伝子発現データを用いた効率的選択と小円形青色細胞腫瘍検出のための新規フィルター法【JST・京大機械翻訳】

A novel filter approach for efficient selection and small round blue-cell tumor cancer detection using microarray gene expression data

著者 (3件)： Singh Pradeep (Department of Computer Sc. & Engineering, National Institute of Technology, Raipur) ,  Shukla Alok (Department of Computer Sc. & Engineering, National Institute of Technology, Raipur) ,  Vardhan Manu (Department of Computer Sc. & Engineering, National Institute of Technology, Raipur)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICICI  ページ： 827-831  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 特徴選択は,機械学習とデータマイニングにおける重要なタスクであり,データの次元を低減し,また,高精度,低計算コスト,および低脆弱性の観点から,アルゴリズムの分類性能を改善する。種々の多くの技術が腫瘍検出のための以前の実験研究に成功裏に適用されてきた。遺伝子選択法の最も挑戦的な課題は,より少ない計算負荷を持つDNAマイクロアレイデータセットからの分類における有益な遺伝子寄与を抽出することである。本論文において,著者らは,より良い分類と予測のために,Kendall相関(KC)とフィルタベースの特徴選択(FS)方法の集合を提案した。著者らは,Relief-F,Joint Mutual Information(JMI),および相互情報ベース特徴選択(MIFS),Condition相互情報最大化(CMIM),およびMax関連性とMin-Redundancy(mRMR)を用いて,Kendall相関のFS法との広範な比較を実証した。4つの多様な教師つき分類器K最近傍(KNN)の分類性能を測定するために,サポートベクトルマシン(SVM),ナイーブBayes(NB),および決定木(DT)を小円形青色細胞腫瘍(SRBCT)データセットに使用した。結果は,mRMR性能による蓄積におけるKendall相関が他の組合せより良いことを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： *遺伝子 ,  機械学習 ,  データマイニング ,  アルゴリズム ,  ディシジョンツリー ,  特徴選択 ,  DNAマイクロアレイ ,  *腫瘍 ,  サポートベクトルマシン ,  *フィルタ
準シソーラス用語： 近傍 ,  教師付き分類 ,  脆弱性 ,  計算コスト ,  *腫瘍検出 , 【Automatic Indexing@JST】

分類 (2件)： 分子・遺伝情報処理  (JE15040B) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： マイクロアレイ遺伝子発現 ,  円形 ,  青色 ,  細胞 ,  腫瘍検出 ,  フィルター