模式识别及神经网络期末复习知识整理

本文整理了模式识别和神经网络期末复习的重点,包括使用GA算法从基因芯片数据中选取关键基因,设计RBF神经网络模型,构建BP神经网络和CNN预测模型。此外,还探讨了PCA与Wavelet在特征提取中的应用,以及有指导和无指导学习方法。
摘要由CSDN通过智能技术生成
1.有一组基因芯片数据,样本的个数为 216, 其中肺癌 90 个,其余为正常人, 每个样本的基因芯片数据维度为 10500。 计划用 2/3 数据训练,剩下测试。
1)要求用 GA 算法实现从中选取 10 个与肺癌相关的关键的基因,编写 matlab 程序实现预测模型。
% 假设P是个矩阵,里面存放着216个维度为10500的基因芯片数据
PP=P(:,1:144); %训练集216×(2/3) 
PT=P(:,145:216);%测试集216×(1/3) 
TR=(PP);
TE=(PT);
%假设T1是TR的目标集
%假设T2是TE的目标集
options=gaoptimset('PopulationSize',50,'Generations',20,'PlotFcns',@gaplotbestf);%调用遗传算法工具箱,种群数50,迭代数20
spread=5;
FitnessFunction=@(x)fit_crab_features(x,TR,T1,TE,T2,spread);
n=10;                   %关键数据的值
LB=[1 ... 1];           %10个1
UB=[10500 ... 10500];   %10个10500 
[x,fval]=ga(FitnessFunction,n,[],[],[],[],LB,UB,[],options);
有一组基因芯片数据,样本的个数为 216, 其中肺癌 90 个,其余为正常人, 每个样本的基因芯片数据维度为 10500。 计划用 2/3 数据训练,剩下测试。
2)1.设计 RBF 精确神经网络的预测模型, 标注隐含层的神经元的个数, 以及隐含层的权值是如何计算的, 以及采用的激活函数.。
      2. 编写 matlab 简单程序实现预测模型。rbf+wavalet
  • 3
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值