基于降维技术与遗传算法的卵巢癌检测
机器学习
2021-05-06 v1
摘要
在本研究中，我们有两组血清SELDI（表面增强激光解吸电离）质谱（MS）数据集，用于从中选择特征以识别蛋白质组学癌性血清与正常血清。我们应用了特征选择技术，同时也应用了分类技术。在特征选择技术中，我们选取评估PCA（主成分分析）和GA（遗传算法）的性能；在分类技术中，我们选取LDA（线性判别分析）和神经网络，以评估所选特征识别癌症模式的能力。针对特征选择技术与分类技术的两种组合获得了结果：第一种为PCA+(t检验)特征选择技术与LDA精度跟踪，准确率为93.0233%；另一种为遗传算法与神经网络，准确率为100%。因此，我们得出结论，GA在特征选择以及癌症模式检测方面比PCA技术更高效。
引用
@article{arxiv.2105.01748,
title = {Ovarian Cancer Detection based on Dimensionality Reduction Techniques and Genetic Algorithm},
author = {Ahmed Farag Seddik and Hassan Mostafa Ahmed},
journal= {arXiv preprint arXiv:2105.01748},
year = {2021}
}
备注
7 Pages