基于模糊粗糙集和增量学习的基因数据分类方法、装置

    公开(公告)号:CN119541657B

    公开(公告)日:2025-05-13

    申请号:CN202411531163.2

    申请日:2024-10-30

    Abstract: 本申请实施例提供一种基于模糊粗糙集和增量学习的基因数据分类方法、装置,该方法通过将获取到的待分类的基因表达数据输入至目标基因数据分类模型中,由该目标基因数据分类模型基于输入的待分类的基因表达数据输出目标分类结果。由于目标基因数据分类模型的训练过程中,采用预设模糊粗糙集模型对基因表达数据训练样本数据集中的基因表达数据特征向量进行筛选,仅留存重要度大于预设重要度阈值的基因表达特征向量参与基因数据分类模型的训练,可有效减少对基因分类结果贡献程度较差的基因表达数据对模型训练的干扰。如此,可保留重要分类信息的情况下,降低基因数据分类模型所需处理的数据维度,有助于提高基因数据分类模型的分类效率以及准确率。

    基于模糊粗糙集和增量学习的基因数据分类方法、装置

    公开(公告)号:CN119541657A

    公开(公告)日:2025-02-28

    申请号:CN202411531163.2

    申请日:2024-10-30

    Abstract: 本申请实施例提供一种基于模糊粗糙集和增量学习的基因数据分类方法、装置,该方法通过将获取到的待分类的基因表达数据输入至目标基因数据分类模型中,由该目标基因数据分类模型基于输入的待分类的基因表达数据输出目标分类结果。由于目标基因数据分类模型的训练过程中,采用预设模糊粗糙集模型对基因表达数据训练样本数据集中的基因表达数据特征向量进行筛选,仅留存重要度大于预设重要度阈值的基因表达特征向量参与基因数据分类模型的训练,可有效减少对基因分类结果贡献程度较差的基因表达数据对模型训练的干扰。如此,可保留重要分类信息的情况下,降低基因数据分类模型所需处理的数据维度,有助于提高基因数据分类模型的分类效率以及准确率。

Patent Agency Ranking