基于光滑近邻表示的基因表达数据子空间聚类

发布时间：2018-07-21 21:25

【摘要】：基因表达数据具有样本数少、基因维数高、非线性等特点,为能有效地处理基因表达数据,提出光滑近邻表示子空间聚类算法.利用每个数据点的近邻线性表示刻画数据集的非线性特点,并对近邻表示添加光滑约束,使数据点与近邻的距离关系嵌入到该数据点的重构表示中.在基因表达数据上的实验表明,所提出的方法优于其他几个现有方法,进而表明所提出方法对基因表达数据的聚类是有效的.
[Abstract]:In order to deal with gene expression data effectively, a smooth nearest neighbor representation subspace clustering algorithm is proposed in this paper, which is characterized by small number of samples, high gene dimension and nonlinearity. The nonlinearity of the data set is characterized by the linear representation of the nearest neighbor of each data point, and the smooth constraint is added to the nearest neighbor representation, so that the distance relationship between the data point and the nearest neighbor is embedded in the reconstruction representation of the data point. Experiments on gene expression data show that the proposed method is superior to other existing methods, and further shows that the proposed method is effective for clustering gene expression data.
【作者单位】： 福州大学数学与计算机科学学院;福州大学经济与管理学院;
【基金】：国家自然科学基金项目(71273053,11571074) 福建省自然科学基金项目(2014J01009)
【分类号】：TP311.13

【参考文献】

相关期刊论文 前2条

1 陈晓云;陈慧娟;;潜在最小二乘回归子空间分割方法[J];模式识别与人工智能;2016年01期

2 王卫卫;李小平;冯象初;王斯琪;;稀疏子空间聚类综述[J];自动化学报;2015年08期

【共引文献】

相关期刊论文 前10条

1 王东;张强;严亮;;一种融合聚类的监督局部线性嵌入算法研究[J];半导体光电;2017年03期

2 陈晓云;林莉媛;叶先宝;;基于光滑近邻表示的基因表达数据子空间聚类[J];控制与决策;2017年07期

3 郝雪;彭国华;;基于SVD和稀疏子空间聚类的视频摘要[J];计算机辅助设计与图形学学报;2017年03期

4 吕红伟;王士同;;基于RPCA对高维数据子空间聚类的预测方法[J];计算机工程与科学;2017年03期

5 赵星辉;龙艺璇;;基于变化率的子空间聚类算法[J];软件导刊;2017年01期

6 李勇;马灿;刘传英;侯培国;;数据的多流形结构分析与研究[J];黑龙江大学自然科学学报;2016年06期

7 张雪霁;张廷利;张志鸿;;一种期货市场关联交易行为检测的聚类方法[J];计算机应用与软件;2016年12期

8 李辉;陈晓云;;基于最小二乘回归的分块加权子空间聚类[J];模式识别与人工智能;2016年12期

9 王帅;孙华燕;叶新;邢强;刘田间;;几种典型数据类型的谱聚类方法研究[J];数学的实践与认识;2016年14期

10 呙星;钱惟贤;许春根;谢建春;许孟;顾国华;陈钱;陈浩;李昕;;数据的多流形结构分析[J];数学的实践与认识;2016年14期

【二级参考文献】

相关期刊论文 前6条

1 李涛;王卫卫;翟栋;贾西西;;图像分割的加权稀疏子空间聚类方法[J];系统工程与电子技术;2014年03期

2 刘芳;武娇;杨淑媛;焦李成;;结构化压缩感知研究进展[J];自动化学报;2013年12期

3 张文娟;冯象初;;非凸低秩稀疏约束的图像超像素分割方法[J];西安电子科技大学学报;2013年05期

4 彭义刚;索津莉;戴琼海;徐文立;;从压缩传感到低秩矩阵恢复:理论与应用[J];自动化学报;2013年07期

5 王俊生;王年;郭秀丽;唐俊;;基于Normalized Cut的基因表达数据聚类[J];安徽大学学报(自然科学版);2012年04期

6 马坚伟;徐杰;鲍跃全;于四伟;;压缩感知及其应用:从稀疏约束到低秩约束优化[J];信号处理;2012年05期

【相似文献】

相关期刊论文 前10条

1 柳盛;吉根林;;空间聚类技术研究综述[J];南京师范大学学报(工程技术版);2010年02期

2 马程;杨诗琴;;基于量子粒子群的带障碍约束的空间聚类[J];安庆师范学院学报(自然科学版);2010年03期

3 殷俊华;李光强;陈翼;邓敏;;基于概念格的空间聚类方法[J];计算机系统应用;2011年06期

4 李霞;徐树维;;子空间聚类改进算法研究综述[J];计算机仿真;2010年05期

5 陈铭;吉根林;;一种基于相似维的高维子空间聚类算法[J];南京师大学报(自然科学版);2010年04期

6 马程;陈杰;;障碍约束下的空间聚类算法分析[J];宜春学院学报;2012年12期

7 张思亮;李广霞;;子空间聚类在入侵检测中的应用[J];计算机安全;2013年12期

8 何彬彬;方涛;郭达志;;基于不确定性的空间聚类[J];计算机科学;2004年11期

9 杨杨;孙志伟;赵政;;一种处理障碍约束的基于密度的空间聚类算法[J];计算机应用;2007年07期

10 李光强;邓敏;程涛;朱建军;;一种基于双重距离的空间聚类方法[J];测绘学报;2008年04期

相关会议论文 前6条

1 刘启亮;邓敏;彭东亮;徐震;;基于场论的空间聚类有效性评价方法研究[A];2009`中国地理信息产业论坛暨第二届教育论坛就业洽谈会论文集[C];2009年

2 邓羽;;广义多维云模型在空间聚类中的应用[A];地理学与生态文明建设——中国地理学会2008年学术年会论文摘要集[C];2008年

3 邓敏;刘启亮;李光强;程涛;;一种基于场模型的空间聚类算法[A];现代测量技术与地理信息系统科技创新及产业发展研讨会论文集[C];2009年

4 徐玉峰;周丽华;肖清;;一种基于数据分布差异度的子空间聚类算法[A];第二十五届中国数据库学术会议论文集（一）[C];2008年

5 张燕萍;姜青山;;k-means型软子空间聚类算法[A];NDBC2010第27届中国数据库学术会议论文集A辑二[C];2010年

6 任家东;周玮玮;何海涛;;高维数据流的自适应子空间聚类算法[A];NDBC2010第27届中国数据库学术会议论文集A辑二[C];2010年

相关博士学位论文 前3条

1 孙丽萍;半监督空间聚类方法及其在城市公共设施区位规划中的应用研究[D];安徽师范大学;2015年

2 黄明;基于空间分区的空间聚类研究[D];武汉大学;2010年

3 王剑亭;面向量子密钥分发安全性分析的子空间聚类算法研究[D];中国科学技术大学;2015年

相关硕士学位论文 前10条

1 魏海洋;城市案件空间聚类技术研究[D];北京建筑大学;2015年

2 张洋;基于空间聚类的公路交通运力态势可视化方法研究[D];国防科学技术大学;2013年

3 欧阳佩佩;改进的稀疏子空间聚类算法研究[D];青岛大学;2015年

4 孙素敏;子空间聚类及其应用[D];西安建筑科技大学;2016年

5 许亚骏;子空间聚类算法研究及应用[D];江南大学;2016年

6 凌晓蔚;基于子空间聚类的多关系社交网络挖掘研究[D];电子科技大学;2016年

7 吴飞;面向序列数据的稀疏低秩子空间聚类方法研究[D];北京工业大学;2016年

8 邓振云;稀疏样本自表达的子空间聚类算法[D];广西师范大学;2016年

9 齐绪停;基于子空间聚类的文本相关性研究[D];山东师范大学;2016年

10 顾晓伟;基于面状区域混合类型数据的空间聚类算法研究及应用[D];辽宁工程技术大学;2015年

，

本文编号：2136902