基于ICA卵巢癌质谱数据分析.pdfVIP

第35 卷 第8 期 计 算 机 工 程 2009 年4 月 Vol.35 No.8 Computer Engineering April 2009 ·人工智能及识别技术· 文章编号：1000—3428(2009)08—0211—03 文献标识码：A 中图分类号：TP18 基于ICA 的卵巢癌质谱数据分析 王昭鑫，刘毅慧 (山东轻工业学院信息科学与技术学院，济南 250353) 摘 要：卵巢癌蛋白质谱数据属于高通量数据，含有大量冗余信息，且许多重要信息都包含在高阶信息中，而独立成分分析可以从高阶信 息中提取有用特征。将传统的独立成分分析融入卵巢癌蛋白质谱数据的特征提取中，并利用类信息机制监督独立成分分析过程。仿真实验 结果表明，独立成分分析和监督式独立成分分析在卵巢癌蛋白质谱数据集研究过程中取得了良好的效果，识别率可达98% 。 关键词：独立成分分析；特征提取；散布度；质谱数据 Mass Spectrometry Data Analysis for Ovarian Cancer Based on ICA WANG Zhao-xin, LIU Yi-hui (School of Information Science Technology, Shandong Institute of Light Industry, Jinan 250353) 【Abstract 】Ovarian cancer protein mass spectrometry data is a high-throughput data and has large numbers of redundant information. The important information is contained in the high-order information. Independent Component Analysis(ICA) can extract useful features from high-order information. This paper makes ICA into the process of feature extraction for ovarian cancer protein mass spectrometry data, and uses class information mechanism to supervise the process of ICA. Simulation results show both ICA and Supervised Independent Component Analysis(SICA) have gained better effect in research of ovarian cancer protein mass spectrometry data, and the recognition rate reaches 98%. 【Key words 】Independent Component Analysis(ICA); feature extraction; scatter degree; mass spectrometry data 1 概述 并在乳腺癌基因微阵列数据集进行实验，根据已有的基因知 质谱数据技术是指以某种方式使有机分子电离、破碎， 识论证了该方法的有效性，同时又进一步在 3 种不同的生物 并按离子的质荷比(