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 €![Classificazione del cancro basata sull'espressione genica a partire da dati microarray]( "Classificazione del cancro basata sull'espressione genica a partire da dati microarray")
Classificazione del cancro basata sull'espressione genica a partire da dati microarray26,99 €![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 €![Causes et conséquences de l'instabilité génomique dans le cancer de la prostate]( "Causes et conséquences de l'instabilité génomique dans le cancer de la prostate")
Causes et conséquences de l'instabilité génomique dans le cancer de la prostate44,99 €![Tempérament et génétique des bovins de boucherie]( "Tempérament et génétique des bovins de boucherie")
Tempérament et génétique des bovins de boucherie26,99 €![L'élément génétique mobile : Nature, existence et perspectives d'évolution]( "L'élément génétique mobile : Nature, existence et perspectives d'évolution")
L'élément génétique mobile : Nature, existence et perspectives d'évolution26,99 €
La technologie des puces à ADN est utilisée pour surveiller des milliers de gènes au même moment. Ce travail utilise la technique de sélection des caractéristiques pour identifier les gènes exprimés différemment en sélectionnant un sous-ensemble de gènes, en sélectionnant les gènes les mieux classés ou en supprimant les gènes redondants pour un meilleur modèle de classification. Ce travail présente l'efficacité de trois méthodes de sélection de caractéristiques, à savoir l'ANOVA à sens unique, le test de Kruskall-Wallis et le test T pour la sélection de gènes sur trois ensembles de données de microréseaux accessibles au public, suivie de la classification de ces derniers à l'aide des algorithmes de classification Naive Bayes, SVM binaire et SVM multiclasse. Les résultats montrent l'efficacité des algorithmes de sélection de caractéristiques sur trois ensembles de données de cancer à micropuces, à savoir MLL_Leukemia, Lung et SRBCT.