基于改进非负矩阵分解的肿瘤基因表达谱特征提取-计算机应用与软件.pdfVIP

第３４卷第８期　　　 计算机应用与软件 Ｖｏｌ３４Ｎｏ．８ ２０１７年８月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ａｕｇ．２０１７ 基于改进非负矩阵分解的肿瘤基因表达谱特征提取 １ １ ２ １ 黄经纬 　杨国亮 　王艳芳 　胡政伟 １（江西理工大学电气工程与自动化学院　江西赣州３４１０００） ２（赣州市立医院信息技术科　江西赣州３４１０００） 摘　要　　针对肿瘤基因表达谱的特点，提出基于低秩图正则非负矩阵分解（ＬＧＮＭＦ）的特征提取方法，解决了 ＮＭＦ算法中缺少数据的全局信息，提升特征提取的有效性。该算法在ＮＭＦ算法的基础上引入低秩图约束，提高 了对数据局部和全局结构的描述，使得经过特征提取后的特征空间具有更强的分类能力。通过ＬＧＮＭＦ算法对肿 瘤基因表达谱数据集进行降维，获得低维特征空间，再使用ＫＮＮ分类器对低维特征空间进行分类。通过与ＮＭＦ、 ＧＮＭＦ和ＲＧＮＭＦ算法在四组标准肿瘤基因表达谱数据集进行对比，实验结果表明ＬＧＮＭＦ算法能够有效提升分 类效果。 关键词　　低秩图　特征空间　肿瘤基因表达谱　特征提取 中图分类号　ＴＰ３９１．４１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１７．０８．０４５ ＦＥＡＴＵＲＥＥＸＴＲＡＣＴＩＯＮＯＦＴＵＭＯＲＧＥＮＥＥＸＰＲＥＳＳＩＯＮＰＲＯＦＩＬＥＳＢＡＳＥＤＯＮ ＩＭＰＲＯＶＥＤＮＯＮＮＥＧＡＴＩＶＥＭＡＴＲＩＸＦＡＣＴＯＲＩＺＡＴＩＯＮ １ １ ２ １ ＨｕａｎｇＪｉｎｇｗｅｉ　ＹａｎｇＧｕｏｌｉａｎｇ 　ＷａｎｇＹａｎｆａｎｇ　ＨｕＺｈｅｎｇｗｅｉ １（ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｕｔｏｍａｔｉｏｎ，ＪｉａｎｇｘｉＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｇａｎｚｈｏｕ３４１０００，Ｊｉａｎｇｘｉ，Ｃｈｉｎａ） ２（ＤｅｐａｒｔｍｅｎｔｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＧａｎｚｈｏｕＭｕｎｉｃｉｐａｌＨｏｓｐｉｔａｌ，Ｇａｎｚｈｏｕ３４１０００，Ｊｉａｎｇｘｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅｔｕｍｏｒｇｅｎｅｅｘｐｒｅｓｓｉｏｎｐｒｏｆｉｌｅｓ，ｗｅｐｒｏｐｏｓｅｄａｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ ａｌｇｏｒｉｔｈｍ，ｂａｓｅｄｏｎｌｏｗｒａｎｋｇｒａｐｈｎｏｎｎｅｇａｔｉｖｅｍａｔｒｉｘｆａｃｔｏｒｉｚａｔｉｏｎ（ＬＧＮＭＦ）．Ｉｔｓｏｌｖｅｄｔｈｅｌａｃｋｏｆｉｎｆｏｒｍａｔｉｏｎｏｎｔｈｅ ｇｌｏｂａｌｓｔｒｕｃｔｕｒｅｄａｔａｏｆＮＭＦａｌｇｏｒｉｔｈｍａｎｄｐｒｏｍｏｔｅｄｔｈｅｖａｌｉｄｉｔｙｏｆｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ．Ｔｈｅａｌｇｏｒｉｔｈｍｈａｄｉｍｐｒｏｖｅｄｔｈｅ ｄｅｓｃｒｉｐｔｉｏｎｏｆｌｏｃａｌａｎｄｇｌｏｂａｌｄａｔａｓｔｒｕｃｔｕｒｅｓ，ｂａｓｅｄｏｎＮＭＦａｌｇｏｒｉｔｈｍｗｉｔｈｌｏｗｒａｎｋｇｒａｐｈｃｏｎｓｔｒａｉｎｔｓ，ｗｈｉｃｈｍａｄｅ ｆｅａｔｕｒｅｓｐａｃｅｈａｖｅｓｔｒｏｎｇｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎａｂｉｌｉｔｙａｆｔｅｒｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ．Ｔｈｅｌｏｗｄｉｍｅｎｓｉｏｎａｌｆｅａｔｕｒｅｓｐａｃｅｗａｓｏｂｔａｉｎｅｄ ｂｙＬＧＮＭＦａｌｇｏｒｉｔｈｍ，ａｎｄｉｔｗａｓｃｌａｓｓｉｆｉｅｄｂｙＫＮＮｃｌａｓｓｉｆｉｅｒ．ＷｅｃｏｍｐａｒｅｄｗｉｔｈｔｈｅＮＭＦ，ＧＮＭＦａｎｄＲＧＮＭＦ ａｌｇｏｒｉｔｈｍｉｎｆｏｕｒｇｒｏｕｐｓｏｆｓｔａｎｄａｒｄｔｕｍｏｒｇｅｎｅｅｘｐｒｅｓｓｉｏｎｐｒｏｆｉｌｅｄａｔａｓｅｔｓ．ＴｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔＬＧＮＭＦ ａｌｇｏｒｉｔｈｍｃａｎｉｍｐｒｏｖｅｔｈｅｅｆｆｅｃｔｏｎ