Bagged ensembles of SVMs for gene expression data analysis (Contributo in atti di convegno)

Type

• Contributo in atti di convegno (Classe)
• Prodotto della ricerca (Classe)

Label

• Bagged ensembles of SVMs for gene expression data analysis (Contributo in atti di convegno) (literal)

Anno

• 2003-01-01T00:00:00+01:00 (literal)

Alternative label

• G. Valentini, M. Muselli, F. Ruffino (2003)
  Bagged ensembles of SVMs for gene expression data analysis
  in International Joint Conference on Neural Networks ? IJCNN 2003, Portland, USA
  (literal)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#autori

• G. Valentini, M. Muselli, F. Ruffino (literal)

Pagina inizio

• 1844 (literal)

Pagina fine

• 1849 (literal)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#titoloVolume

• IJCNN 2003 (literal)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#numeroVolume

• 3 (literal)

Note

• Scopus (literal)
• ISI Web of Science (WOS) (literal)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#affiliazioni

• G. Valentini: Dip. di Scienze dell' Informazione, Univ. degli Studi di Milano, Milano, Italy M. Muselli: CNR-IEIIT, Genova, Italy F. Ruffino: CNR-IEIIT, Genova, Italy (literal)

Titolo

• Bagged ensembles of SVMs for gene expression data analysis (literal)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#isbn

• 0-7803-7898-9 (literal)

Abstract

• Extracting information from gene expression data is a difficult task, as these data are characterized by very high dimensional, small sized, samples and large degree of biological variability. However, a possible way of dealing with the curse of dimensionality is offered by feature selection algorithms, while variance problems arising from small samples and biological variability can be addressed through ensemble methods based on resampling techniques. These two approaches have been combined to improve the accuracy of Support Vector Machines (SVM) in the classification of malignant tissues from DNA microarray data. To assess the accuracy and the confidence of the predictions performed proper measures have been introduced. Presented results show that bagged ensembles of SVM are more reliable and achieve equal or better classification accuracy with respect to single SVM, whereas feature selection methods can further enhance classification accuracy. (literal)

Editore

• IEEE Computer Society (Editore)

Prodotto di

• Istituto di elettronica e di ingegneria dell'informazione e delle telecomunicazioni (IEIIT) (Istituto)
• Machine Learning for Biological Data (INT.P02.002.001) (Modulo)

Autore CNR

• FRANCESCA RUFFINO (Unità di personale esterno)
• MARCO MUSELLI (Unità di personale interno)

Incoming links:

Prodotto

• Istituto di elettronica e di ingegneria dell'informazione e delle telecomunicazioni (IEIIT) (Istituto)
• Machine Learning for Biological Data (INT.P02.002.001) (Modulo)

Autore CNR di

• MARCO MUSELLI (Unità di personale interno)
• FRANCESCA RUFFINO (Unità di personale esterno)

Editore di

• IEEE Computer Society (Editore)