论文部分内容阅读
为了提高定量细胞分析中细胞核类型识别的准确性、鲁棒性和效率,提出了一种细胞核特征向量降维方法.该方法首先采用基于统计的F-score算法对细胞核特征参数进行初步筛选,剔除F-score明显过低的细胞核特征参数;然后利用随机森林算法计算特征参数对于分类提供的信息量,并以此为依据对特征参数排序;最后在不同数量特征参数情况下进行支持向量机分类实验,得出最终降维结果.实验结果表明:与降维前相比,细胞核的识别时间可节约50%,识别准确性由91.32%提高到98.67%.