面向差異特征識(shí)別的稀疏矩陣分解方法的研究.pdf

1、隨著高通量測(cè)序技術(shù)的進(jìn)步和發(fā)展，生物信息數(shù)據(jù)呈現(xiàn)爆炸式增長。從海量的基因組數(shù)據(jù)和遺傳變異數(shù)據(jù)中找到有用信息成為巨大挑戰(zhàn)。傳統(tǒng)的數(shù)據(jù)分析方法已經(jīng)遠(yuǎn)遠(yuǎn)不能滿足實(shí)際需要，稀疏矩陣分解理論作為數(shù)據(jù)挖掘技術(shù)能夠很好地處理大規(guī)模數(shù)據(jù)，進(jìn)一步從基因組數(shù)據(jù)中識(shí)別出關(guān)鍵特征基因，為生命科學(xué)更好地認(rèn)識(shí)生命以及疾病治療提供了有效的方法。
　　本文通過分析國內(nèi)外研究學(xué)者對(duì)稀疏矩陣分解理論和特征基因識(shí)別算法方面的綜合研究成果，發(fā)現(xiàn)現(xiàn)有的理論成果存在部分學(xué)術(shù)

2、研究上的缺乏。因此，在以往研究成果的基礎(chǔ)上，通過對(duì)稀疏矩陣分解算法和非負(fù)矩陣分解（Non-negativeMatrixFactorization,NMF）進(jìn)行深入研究，將差異特征提取作為重點(diǎn)研究方向，分別提出了三種新的差異特征識(shí)別算法。主要包括基于L21，范數(shù)的非負(fù)矩陣分解算法，基于流形學(xué)習(xí)的非負(fù)矩陣分解算法和分塊稀疏約束的非負(fù)矩陣分解算法?；贚21，范數(shù)的非負(fù)矩陣分解方法根據(jù)數(shù)據(jù)含有異常值和噪聲等特點(diǎn)，將L21，范數(shù)約束分別施加在誤

3、差函數(shù)以及正則項(xiàng)上，產(chǎn)生魯棒性和稀疏性結(jié)果?；隰敯粜詧D正則的非負(fù)矩陣分解算法通過構(gòu)建圖正則來保存原始矩陣中的數(shù)據(jù)點(diǎn)的分布結(jié)構(gòu)，可以有效地識(shí)別特征基因。分塊稀疏約束的非負(fù)矩陣分解算法則是根據(jù)處理癌癥數(shù)據(jù)和腫瘤基因圖譜（TheCancer Genome Atlas，TCGA）的特點(diǎn)，將不同性質(zhì)的數(shù)據(jù)采用不同的稀疏約束強(qiáng)度，使結(jié)果更容易理解和解釋。
　　為了驗(yàn)證這三種算法的性能，本文在基因表達(dá)數(shù)據(jù)集和整合數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，并同現(xiàn)有的方

4、法相比較。實(shí)驗(yàn)結(jié)果證明了本文中所提出的算法在處理數(shù)據(jù)上是切實(shí)可行的。
　　本文的創(chuàng)新點(diǎn)之一在于通過L21，范數(shù)來產(chǎn)生稀疏以及魯棒性結(jié)果，提出一種新的魯棒性且稀疏性的非負(fù)矩陣分解算法(NMF L21，)來識(shí)別特征基因。同時(shí)將NMFL21，成功應(yīng)用在基因表達(dá)數(shù)據(jù)分析中；創(chuàng)新點(diǎn)之二是基于L21，范數(shù)和流形學(xué)習(xí)算法，提出魯棒性圖正則算法(RGNMF)來識(shí)別特征基因；創(chuàng)新點(diǎn)三是提出一種分塊稀疏約束的非負(fù)矩陣分解算法（BSNMF L21，），