改进的非负矩阵分解在基因表达数据中的应用 improved non-negative matrix factorization in the analysis of gene expression data.pdfVIP

下载本文档

6
0
约1.51万字
约 4页
2017-08-25 发布于上海
举报
版权申诉

改进的非负矩阵分解在基因表达数据中的应用 improved non-negative matrix factorization in the analysis of gene expression data.pdf

1、本文档共4页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

改进的非负矩阵分解在基因表达数据中的应用 improved non-negative matrix factorization in the analysis of gene expression data

2010年第12期中图分类号：唧01 文献标识码：A 文章编号：1009—2552(2010)12—0001—03 改进的非负矩阵分解在基因表达数据中的应用李巧，孔薇 (上海海事大学信息工程学院，上海200135) 摘要：对非负矩阵分解算法的发展历史做了简要综述，并介绍了非负矩阵分解算法的基本原理，及一种改进的非负矩阵分解算法，并将此方法应用于一组阿尔茨海默症微阵列数据的聚类中，将此结果与传统的非负矩阵分解算法进行了比较，证明了算法的有效性。关键词：非负矩阵分解；基因表达数据；阿尔茨海默症 matrixfactorizationinthe Improvednon-negative analysis of data geneexpression LI Wei Qiao．KONG ofInformation Maritime (School Engineering，ShanghaiUniversity，Shanghai 200135，China) containsa onthe of matrixfactorization Abstract：This paper survey developmenthistorynon—negative basicmathematicalofNMFand NMF are algorithm(NMF)．Thetheory improved introduced， briefly thenitisusedto ofaAlzheimer’S the disease datasetandtheresultareobtained clustering microarray ’ after tothetraditional1NTMF comparing algorithm． matrix disease Keywords：non-negativefactofization；geneexpressiondata；Alzheimer’S 0 引言对行向量聚类，则每一类的相关性受不相关列的影基因芯片技术是近年来分子生物学及医学诊断响较大，尤其是在不相干列数较多情况下，对列向量技术的重要发展，该技术的产生给生物医学信息的进行聚类时类似。双向聚类是寻找数据矩阵的子矩研究提供了很大的帮助。由于基因表达数据通常是阵集，使得每个子矩阵的行和列均具有明显的相关测定几十个样本中成千上万个基因的表达值，对于性，所得每个子矩阵所对应的基因和样本就是一个这么庞大的矩阵，处理基因数据不仅计算量大，而且