Andere Kunden interessierten sich auch für
![Classificação do cancro baseada na expressão genética a partir de dados Microarray]( "Classificação do cancro baseada na expressão genética a partir de dados Microarray")
Classificação do cancro baseada na expressão genética a partir de dados Microarray26,99 €![Auf Genexpression basierende Krebsklassifizierung aus Microarray-Daten]( "Auf Genexpression basierende Krebsklassifizierung aus Microarray-Daten")
Auf Genexpression basierende Krebsklassifizierung aus Microarray-Daten39,90 €![Classification des cancers basée sur l'expression génétique à partir de données de biopuces]( "Classification des cancers basée sur l'expression génétique à partir de données de biopuces")
Classification des cancers basée sur l'expression génétique à partir de données de biopuces26,99 €![Klassifikaciq raka na osnowe gennoj äxpressii po dannym mikrochipow]( "Klassifikaciq raka na osnowe gennoj äxpressii po dannym mikrochipow")
Klassifikaciq raka na osnowe gennoj äxpressii po dannym mikrochipow13,99 €![Gli elementi essenziali della diagnosi del cancro al seno]( "Gli elementi essenziali della diagnosi del cancro al seno")
Gli elementi essenziali della diagnosi del cancro al seno29,99 €![STUDIO CLINICO E PROGNOSTICO DEL CANCRO DEL CAVO]( "STUDIO CLINICO E PROGNOSTICO DEL CANCRO DEL CAVO")
STUDIO CLINICO E PROGNOSTICO DEL CANCRO DEL CAVO44,99 €![Cause e conseguenze dell'instabilità genomica nel cancro alla prostata]( "Cause e conseguenze dell'instabilità genomica nel cancro alla prostata")
Cause e conseguenze dell'instabilità genomica nel cancro alla prostata44,99 €
La tecnologia dei microarray viene utilizzata per monitorare migliaia di geni in un momento simile. Questo lavoro impiega una tecnica di selezione delle caratteristiche per identificare i geni espressi in modo diverso, selezionando un sottoinsieme di geni, selezionando i geni più classificati o rimuovendo i geni ridondanti per migliorare il modello di classificazione. Questo lavoro presenta l'efficacia di tre metodi di selezione delle caratteristiche, ovvero ANOVA a una via, Kruskall-Wallis e T-Test per la selezione dei geni su tre dataset di microarray disponibili pubblicamente, seguiti dalla classificazione di questi ultimi utilizzando gli algoritmi di classificazione Naive Bayes, SVM binario e SVM multiclasse. I risultati mostrano l'efficacia degli algoritmi di selezione delle caratteristiche su tre dataset di microarray di cancro: MLL_Leukemia, Lung e SRBCT.