1)Gene expression data基因表达数据
1.Assessment of optimial clustering algofithm for gene expression data based on conditional root-mean-square F value;基于实验均方误差F值的基因表达数据最佳聚类评判方法研究
2.Using fuzzy kernel discriminant analysis for tumor classification with gene expression data;基于模糊核判别分析的基因表达数据分析方法
3.Clustering analysis methods of gene expression data based on representative entropy;基于代表熵的基因表达数据聚类分析方法
英文短句/例句
1.Improved gene expression data clustering using a support vector domain description algorithm支持向量数据描述的基因表达数据聚类方法
2.The Research of Gene Expression Data Based on Support Vector Machine;支持向量机在基因表达数据中的研究
3.Analysis, Integration and Visualization of Gene Expression Data;基因表达数据的集成、分析和可视化
4.The Research on Association Rules Mining Algorithms of Gene Expression Data;基因表达数据关联规则挖掘算法研究
5.Algorithm of Gene Expression Data Classification and Its Application;基因表达数据分类算法及其应用研究
6.Analysis and Application of Time-Course Gene Expression Data;时序基因表达数据的建模分析及应用
7.The Research of Gastric Cancer Feature Genes Selection Based on Gene Expression Data基于基因表达数据的胃癌特征基因选取研究
8.Research on Gene Classification and Analysis Methods of Gene Expression Data;基因分类及基因表达数据分析方法的研究
9.Research on Tumor Prediction Models Based on Gene Expression Data;基于基因表达数据的肿瘤预测模型研究
10.Algorithms for Clustering Gene Expression Data Based on Spanning Tree;基于生成树基因表达数据聚类方法分析
11.Analysis of Gene Expression Data Based on Wavelet Denoise and Cross-spectrum Evaluation;基于小波去噪和互谱估计的基因表达数据分析
12.Dimension Reduction for Gene Expression Data Using Class Preserveing Projection基于类别保留投影的基因表达数据降维方法
13.K-modes algorithm for gene expression data analysis based on information theory基于信息论k-modes聚类法的基因表达数据分析
14.Gene Expression Data Analysis of FAMC Algorithm Based on Pseudo F-statistics基于伪F统计FAMC算法的基因表达数据分析
15.Association Rules Mining and Its Application to Gene Expression Data;关联规则挖掘及其在基因表达数据中的应用
16.Research on Algorithms and Application for Cluster Analysis of Gene Expression Data;基因表达数据聚类分析算法研究和应用
17.Research on Classification Algorithms in Gene Expression Data Analyzing;分类算法在基因表达数据分析中的应用研究
18.Study on SVMs-based Classification of Gene Expression Data;支持向量机在基因表达数据分类中的研究
相关短句/例句
Gene Expression Data基因表达谱数据
1.Applying of Support Vector Machines in Microarray Gene Expression Data Classification;支持向量机在微阵列基因表达谱数据分类中的应用
3)Metastasis in breast tumor基因芯片数据表达
4)gene expression data classification基因表达数据分类
1.This paper aims to improve gene expression data classification method in two aspects,classifica- tion algorithm and feature selection.从分类算法和特征基因选择两个方面研究基因表达数据的分类,将传统的Support Vector Machines(SVM)算法和K-nearest neighbor(KNN)算法两者结合成为一种应用于基因表达数据分类的算法,并针对基因表达数据分类数据集“样本少,维数高”的特点,提出了一种改进的基于相关性的递归特征消除算法(简称为C-RFE),消除了数据冗余。
5)microarray gene expression data微阵列基因表达数据
1.Fuzzy c-mean clustering method for analyzing microarray gene expression data;基于模糊c-均值聚类的微阵列基因表达数据分析
6)3D gene expression data三维基因表达数据
1.Closed similarity-based clustering on 3D gene expression data;基于封闭相似性的三维基因表达数据聚类算法
延伸阅读
基因表达系列分析基因表达系列分析（sage）是通过快速和详细分析成千上万个est（express sequenced tags）来寻找出表达丰富度不同的sage标签序列。再次访法中，通过限制性酶切可以产生非常短的cdna（10-14bp）标签，并通过pcr扩增和连接，随后对连接题进行测序。sage大大简化和加快了3’端表达序列标签的收集和测序。同dd一样，sage是一个“开放”的系统，可以发现新的未知的序列。在进行标本的比较之前，sage在cdna的产生和处理上需要较多个步骤。由于sage是一个依赖dna测序的基因计量方法，它对基因表达的测定比dd更加量化。由于需要进行大量的测序反应，所以费用因素使大多数研究机构对其广泛应用的主要限制。
