Please use this identifier to cite or link to this item: http://thuvienso.quochoi.vn/handle/11742/46445
Full metadata record
DC FieldValueLanguage
dc.contributor.authorHuỳnh Phước Hải
dc.contributor.otherĐỗ Thanh Nghị
dc.contributor.otherNguyễn Văn Hòa
dc.date.issued2020
dc.identifier.other34267
dc.identifier.urihttps://muontailieuso.quochoi.vn/DefaultBookView.aspx?BookID=34267
dc.identifier.urihttps://hdl.handle.net/11742/46445-
dc.descriptionLuận án đề xuất mô hình tập hợp các cây xiên phân ngẫu nhiên đơn giản phân lớp hiệu quả dữ liệu biểu hiện gen bằng kết hợp các cây xiên phân ngẫu nhiên đơn giản dựa trên siêu phẳng tối ưu thu được từ huấn luyện SVM để cho tăng cường độ chính xác cao hơn so với chỉ sử dụng mô hình đơn. Luận án đã xây dựng 2 mô hình Bag-RODS và Boost-RODS phân lớp hiệu quả dữ liệu biểu hiện gen. Ngoài ra, các giải thuật này cũng cải thiện được độ chính xác phân loại khi kết hợp với các mô hình tăng cường dữ liệu bằng GAN và rút trích đặc trưng bằng DCNN.
dc.description.abstractLuận án đề xuất mô hình tập hợp các cây xiên phân ngẫu nhiên đơn giản phân lớp hiệu quả dữ liệu biểu hiện gen bằng kết hợp các cây xiên phân ngẫu nhiên đơn giản dựa trên siêu phẳng tối ưu thu được từ huấn luyện SVM để cho tăng cường độ chính xác cao hơn so với chỉ sử dụng mô hình đơn. Luận án đã xây dựng 2 mô hình Bag-RODS và Boost-RODS phân lớp hiệu quả dữ liệu biểu hiện gen. Ngoài ra, các giải thuật này cũng cải thiện được độ chính xác phân loại khi kết hợp với các mô hình tăng cường dữ liệu bằng GAN và rút trích đặc trưng bằng DCNN.-
dc.formatpdf
dc.format.extent170 trang
dc.language.isovi
dc.rightsĐại học Cần Thơ
dc.sourceTrang Luận văn, luận án Bộ Giáo dục và Đào tạo
dc.sourceTrang Luận văn, luận án Bộ Giáo dục và Đào tạo-
dc.subjectXử lý dữ liệu
dc.subjectMô hình
dc.subjectBiểu hiện gen
dc.titleMô hình xử lý hiệu quả dữ liệu biểu hiện gen
dc.typeLuận án
Appears in Collections:Phân quyền - Khoa học

Files in This Item:
Thumbnail
  • c953c871-3544-40c7-a8a7-4314330534b2.pdf
    Bản quyền quốc hội
  • E:\Bookworm\Edata\2020-09-15
    • Size : 3,37 MB

    • Format : Adobe PDF



  • Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.