基于多正则约束非负矩阵分解的基因特征提取

发布时间：2018-06-07 20:39

  本文选题：流形正则 + 低秩稀疏　； 参考：《计算机工程与设计》2017年09期

【摘要】：针对基因表达谱数据高维度、高噪声的特点,在传统非负矩阵分解(NMF)理论的基础上,提出一种基于多正则约束非负矩阵分解(MRCNMF)的特征提取模型。通过引入流形正则,使得NMF在维数约简的同时能够保持原始数据的内部空间结构,低秩稀疏正则约束对噪声和数据丢失具有较好的抑制作用。提出一种模型求解方法,通过引入+乘子保持矩阵分解的非负性。实验结果表明,采用的特征提取算法对基因表达谱中的噪声具有较强的抑制作用,与NMF和图正则非负矩阵分解(GNMF)相比能够达到更高的分类精度。
[Abstract]:In view of the characteristics of high dimension and high noise of gene expression data, a feature extraction model based on multi-regular constrained non-negative matrix factorization (MRCNMF) is proposed based on the traditional nonnegative matrix factorization (NMFF) theory. By introducing manifold regularization, NMF can keep the internal spatial structure of the original data while reducing the dimension, and the low rank sparse canonical constraint can restrain noise and data loss better. This paper presents a method for solving the model by introducing multipliers to preserve the nonnegativity of matrix decomposition. Experimental results show that the proposed feature extraction algorithm can suppress the noise in the gene expression profile and achieve higher classification accuracy than NMF and graph regular nonnegative matrix factorization (GNMFF).
【作者单位】： 江西理工大学电气工程与自动化学院;
【基金】：国家自然科学基金项目(51365017、61305019) 江西省教育厅科技计划基金项目(GJJ150680)
【分类号】：Q811.4

【相似文献】

相关期刊论文 前4条

1 唐晓芬;陈莉;;最大相关熵非负矩阵分解在基因表达数据聚类中的应用[J];计算机与应用化学;2013年11期

2 李巧;孔薇;;改进的非负矩阵分解在基因表达数据中的应用[J];信息技术;2010年12期

3 石金龙;骆志刚;;非负矩阵分解算法及其在生物信息学中的应用研究[J];计算机工程与科学;2010年08期

4 任重鲁;李金明;;非负矩阵分解在微阵列数据分类和聚类发现中的应用[J];计算机工程与科学;2014年07期

相关硕士学位论文 前2条

1 马春霞;非负矩阵分解及在基因表达数据分析中的应用研究[D];曲阜师范大学;2015年

2 毛彬;非负矩阵分解及其生物信息学应用[D];国防科学技术大学;2014年

，

本文编号：1992728