本文選題：流形正則 + 低秩稀疏��； 參考：《計算機工程與設計》2017年09期

【摘要】：針對基因表達譜數(shù)據(jù)高維度、高噪聲的特點,在傳統(tǒng)非負矩陣分解(NMF)理論的基礎上,提出一種基于多正則約束非負矩陣分解(MRCNMF)的特征提取模型。通過引入流形正則,使得NMF在維數(shù)約簡的同時能夠保持原始數(shù)據(jù)的內(nèi)部空間結(jié)構(gòu),低秩稀疏正則約束對噪聲和數(shù)據(jù)丟失具有較好的抑制作用。提出一種模型求解方法,通過引入+乘子保持矩陣分解的非負性。實驗結(jié)果表明,采用的特征提取算法對基因表達譜中的噪聲具有較強的抑制作用,與NMF和圖正則非負矩陣分解(GNMF)相比能夠達到更高的分類精度。
[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).
【作者單位】： 江西理工大學電氣工程與自動化學院;
【基金】：國家自然科學基金項目(51365017、61305019) 江西省教育廳科技計劃基金項目(GJJ150680)
【分類號】：Q811.4

【相似文獻】

相關期刊論文 前4條

1 唐曉芬;陳莉;;最大相關熵非負矩陣分解在基因表達數(shù)據(jù)聚類中的應用[J];計算機與應用化學;2013年11期

2 李巧;孔薇;;改進的非負矩陣分解在基因表達數(shù)據(jù)中的應用[J];信息技術;2010年12期

3 石金龍;駱志剛;;非負矩陣分解算法及其在生物信息學中的應用研究[J];計算機工程與科學;2010年08期

4 任重魯;李金明;;非負矩陣分解在微陣列數(shù)據(jù)分類和聚類發(fā)現(xiàn)中的應用[J];計算機工程與科學;2014年07期

相關碩士學位論文 前2條

1 馬春霞;非負矩陣分解及在基因表達數(shù)據(jù)分析中的應用研究[D];曲阜師范大學;2015年

2 毛彬;非負矩陣分解及其生物信息學應用[D];國防科學技術大學;2014年

，

本文編號：1992728