从因子分析的角度出发解决基因表达谱分析问题。为解决独立成分分析方法在求解过程中的不稳定性，提出一种基于选择性独立成分分析的DNA微阵列数据集成分类器。首先对基因表达水平的重构误差进行分析，选择部分重构误差较小的独立成分进行样本重构，然后基于重构后的样本同时训练多个支持向量机基分类器，最后选择部分分类正确率较高的基分类器进行最大投票以得到最终结果。在3个常用测试集上验证了本文设计方法的有效性。-This paper tries to deal with gene expression proble

One of the big challenges in microarray data analysis generating reliable, high-quality image-analysis results. Agilent’s Feature Extraction (FE) software reads and processes up to 100 raw microarray image fi les in an automated, walkaw

一个对于微阵列时间序列数据的聚类的新方法，来自于I-A microarray time series data for the clustering of the new method, from the IEEE