摘要：针对微阵列数据样本量少、维度高的特点,结合当前数据降维方法中没有考虑特征与特征之间相关性的缺点,提出一种核最小二乘的特征基因选择方法。将解释变量空间通过非线性映射转换到高维空间上,再在高维空间上进行最小二乘回归,并采用极限学习机进行训练和预测。结果表明：对三种经典数据集的分类精度分别达到90.47%,88.89%,88.23%,高于传统的机器学习算法,充分表明本方法的优越性。

原文链接:http://www.cqvip.com//QK/90353A/201605/668831594.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）