基于維數(shù)約簡(jiǎn)的腫瘤基因表達(dá)譜數(shù)據(jù)研究.pdf

1、隨著基因測(cè)序技術(shù)的提出及計(jì)算機(jī)技術(shù)的飛速發(fā)展為精準(zhǔn)分析腫瘤基因表達(dá)譜提供了希望，其已經(jīng)成為精確醫(yī)療的重要研究對(duì)象。如何更準(zhǔn)確的對(duì)高維的基因數(shù)據(jù)進(jìn)行維數(shù)約簡(jiǎn)并且保持?jǐn)?shù)據(jù)的全局與局部結(jié)構(gòu)盡可能不變已經(jīng)成為數(shù)據(jù)挖掘及機(jī)器學(xué)習(xí)的熱門研究方向。本文結(jié)合低秩理論對(duì)基因數(shù)據(jù)表達(dá)譜的缺失點(diǎn)填充、特征提取及特征選擇問題展開研究。本文主要的成果主要有以下幾點(diǎn)：
　　1、本文首先針對(duì)當(dāng)前的腫瘤基因數(shù)據(jù)的缺失點(diǎn)填充、特征提取和特征選擇方法做基本介紹。在缺

2、失點(diǎn)填充方面，描述了K近鄰及局部最小二乘法矩陣填充方法；在特征提取方面，闡述了主成分分析、獨(dú)立成分分析及局部線性嵌入算法；在特征選擇方面，介紹了四種廣泛使用的評(píng)分方法：Fisher評(píng)分、方差評(píng)分、拉普拉斯評(píng)分及稀疏評(píng)分特征提取方法。將各個(gè)算法與基因數(shù)據(jù)緊密結(jié)合進(jìn)行詳細(xì)介紹。
　　2、為解決腫瘤基因表達(dá)譜數(shù)據(jù)后續(xù)研究需要完整數(shù)據(jù)矩陣的問題，針對(duì)包含缺失點(diǎn)的數(shù)據(jù)集，本文提出基于矩陣填充與模糊C均值相結(jié)合的缺失點(diǎn)估計(jì)方法（FCM_MC）

3、。該方法充分利用腫瘤基因表達(dá)譜數(shù)據(jù)的冗余信息，通過模糊C均值聚類得到具有良好的低秩特性的基因語義片段，再利用矩陣填充方法分別對(duì)每個(gè)語義片段進(jìn)行缺失點(diǎn)的重建。在不同數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，與傳統(tǒng)缺失點(diǎn)估計(jì)算法比較。實(shí)驗(yàn)表明 FCM_MC算法在缺失數(shù)據(jù)估計(jì)準(zhǔn)確度和類結(jié)構(gòu)保持度上效果得到有效提升，同時(shí)運(yùn)行效率較高。
　　3、針對(duì)腫瘤基因表達(dá)譜的特點(diǎn)，提出了基于低秩圖正則非負(fù)矩陣分解(LGNMF)的特征提取方法，解決了 NMF算法中缺少數(shù)據(jù)的全

4、局信息問題，提升特征提取的有效性。該算法在 NMF算法的基礎(chǔ)上引入低秩圖約束，提高了對(duì)數(shù)據(jù)局部和全局結(jié)構(gòu)的描述，使得經(jīng)過特征提取后的特征空間具有更強(qiáng)的分類能力。通過 LGNMF算法對(duì)腫瘤基因表達(dá)譜數(shù)據(jù)集進(jìn)行降維，獲得低維特征空間，再使用 KNN分類器對(duì)低維特征空間進(jìn)行分類。通過與 NMF、GNMF和 RGNMF算法在四組標(biāo)準(zhǔn)腫瘤基因表達(dá)譜數(shù)據(jù)集進(jìn)行對(duì)比，實(shí)驗(yàn)結(jié)果表明LGNMF算法能夠有效提升分類效果。
　　4、為了完成腫瘤基因的特