TY -的A2 Ulutagay Gozde AU -萨哈,苏杰盟,Ghosh Anupam AU -密封,Dibyendu比非盟-戴伊,喀什Nath PY - 2016 DA - 2016/07/18 TI - DNA微阵列的一种改进的基于模糊的缺失值估计验证了基因排名SP - 6134736六世- 2016 AB -大部分的基因表达数据分析算法要求整个基因表达矩阵没有任何缺失的值。因此,有必要设计方法将转嫁缺失数据准确值。存在大量的污名算法来估计这些缺失值。这项工作始于一个微阵列数据集包含多个缺失值。我们首先应用基于模糊理论的现有方法的修改版本LRFDVImpute嫁祸于多个时间序列基因表达数据的缺失值,然后验证结果归责的基于遗传算法(GA)的基因排序方法以及一些常规统计验证技术,像RMSE方法。基因排序,据我们所知,尚未使用验证缺失值估计的结果。首先,该方法已经在非常受欢迎的首位数据集测试,结果表明,误差利润已经大大减少了一些以前的作品相比,这间接验证该方法的统计学意义。然后它已经应用于其他四个双阶级基准数据集,如大肠癌肿瘤数据集(GDS4382),乳腺癌数据集(gse349 - 350),前列腺癌的数据集,和DLBCL-FL(白血病)对缺失值估计和排名的基因,结果表明,该方法分类精度可以达到100%,很少有显性基因,这间接验证该方法的生物意义。SN - 1687 - 7101你2016/6134736 / 10.1155——https://doi.org/10.1155/2016/6134736——摩根富林明-模糊系统的进步PB Hindawi出版公司KW - ER