- 博客(5)
- 收藏
- 关注
RSS订阅原创 毕设周记Ⅳ
高维数据源预处理，对其进行标准化，原始数据均转换为无量纲化指标测评值，消除量纲影响。 利用秩和检验对标准化后的基因进行筛选，寻找出较为显著的基因，即p值小于α的基因。筛选出的基因便于后期病患和正常人的分类。目前能够将12,000多个基因筛选出700多个显著性强的基因。 这两天在笼统地看分类的方法，类似决策树、贝叶斯分类器、支持向量机的概念和数学原理等等，准备实现分类器。 目前的想
2016-01-21 14:40:27
1157
原创 毕设周记Ⅲ
• 高维数据源的问题已解决，是关于病患和正常人基因表达的数据，源数据已tag，只要 比较降维后数据分类的准确程度即可。 • 通过R实现了生成随机投影矩阵的方法RPGenerate()，包括高斯随机矩阵以及稀疏随 机矩阵，其中，稀疏随机矩阵的生成是按照一定概率将不同值投到矩阵中。 • 网上找到关于RandomProjection的python第三方库scikit-learn，目前在看它的源
2016-01-14 19:18:09
1162
原创 毕设周记Ⅱ
学习熟悉R语言相关的知识，看完慕课网上R语言入门教学视频，进阶材料是《R语言实战》，随用随查。 了解学习当前主流的降维方法。 主成分分析(PCA) 将原始变量转换为一小部分反映事物主要性质的变量；选择确定的几个方向将源高维数据投影到低维空间，降维后数据间方差最大；事先要求解关于样本数据的协方差矩阵，继而求解特征值与特征向量；所有样本统一对待，忽略类别属性； 线性判别
2016-01-05 16:28:45
1374
原创 毕设周记Ⅰ
参考本题相关文献《Recovering the Optimal Solution by Dual Random Projection》，确定题目完成大致步骤和流程，概要如下。 获取高维数据集；应用随机投影(random projection)方法对其进行降维处理；在投影空间对降维处理后的低维数据求最优解；计算该低维数据最优解相应的对偶解(dual solution)；应用对偶解复原高维数据
2016-01-05 16:16:59
1203
转载 字符串匹配的KMP算法
字符串匹配的KMP算法 转自作者： 阮一峰 字符串匹配是计算机的基本任务之一。 举例来说，有一个字符串"BBC ABCDAB ABCDABCDABDE"，我想知道，里面是否包含另一个字符串"ABCDABD"？ 许多算法可以完成这个任务，Knuth-Morris-Pratt算法（简称KMP）是最常用的之一。它以三个发明者命名，起
2015-09-08 18:45:47
199
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人