非线性降维在高维医学数据处理中的应用.pdfVIP

!曼墨盟!!!!二Q!i§清华大学学报(自然科学版)2004年第44卷第4期 13／34 cN 485—488 11—2223／NJ univ(sci＆Tech)，2004，V01．44，No．4 Tsinghua 非线性降维在高维医学数据处理中的应用 翁时锋， 张长水， 张学工 (清华大学自动化系，北京lo0084) 摘 要：针对非线性高维医学数据降维的困难，引入了一种 维数据转换成更易处理的低维数据。 新的非线性降维方法Isomap，并从算法原理的角度讨论了 降维是指将样本从输入空间通过线性或非线性 方法在医学数据处理中的适用性。该文将Isomap应用在两映射到一个低维空间，从而获得一个关于原数据集 个典型医学数据集(肺癌基因表达数据和乳腺癌病理数据) 紧致的低维表示的过程瞳]。目前已有很多的降维技 的分析中，发现它们的本质维数都低于3，因而可以得到在 低维投影空问中的可视化表示。实验进一步将Isomap和主 mensional Curves)和 scaling)[引，主曲线(Principal 成份分析(PcA)的投影结果相比较，并统计类内距离，结果 主曲面(PrincipalSurface)[63等。还有一些基于神经 显示Isomap优于传统的线性降维技术。这说明了非线性降 网络的降维方法，如自组织映射(soM)[7]。但是这 维技术在高维医学数据分析中的潜力。 些方法都不能求解数据集的本质维数，不能揭示实 关键词：模式识别理论I非线性降维；乳腺癌}肺癌 际数据的非线性结构。聚类可以用以发现数据集的 中图分类号；0235；R730．2 文献标识码：A 类别个数，是发现高维数据空间结构的另一种方法。 文章编号：1000—0054(2004)04一0485一04 但聚类算法也无法确定数据集的本质维数，不能得 到可视结果。 N0nlinear reductiOn dimensjOnality 在医学研究中，最常见的数据形式是非线性的 inthe of analysishigh 高维向量。由于聚类方法和传统降维在技术上的局 dimensiOnalmedicaldata 限，使得一些本质维数较低的高维数据无法投影到 WENG Shifeng，ZHANGChangshui，ZHANGXuegOng 低维空间中。Isomap嘲是一种新的非线性降维技术， of (DepartmentAutomat量on，TsinghuaUniVersity， 它从样本局部出发，用标准MDS算法获得保持样 BeijinglO0084，China) 本间测地距离不变的低维流型。Isomap使对高维 wasdifficulttofindtheintrinsicstructureof Abs哪Ict：It