面向差異特征識別的稀疏矩陣分解方法的研究.pdf

1、隨著高通量測序技術的進步和發(fā)展，生物信息數據呈現爆炸式增長。從海量的基因組數據和遺傳變異數據中找到有用信息成為巨大挑戰(zhàn)。傳統(tǒng)的數據分析方法已經遠遠不能滿足實際需要，稀疏矩陣分解理論作為數據挖掘技術能夠很好地處理大規(guī)模數據，進一步從基因組數據中識別出關鍵特征基因，為生命科學更好地認識生命以及疾病治療提供了有效的方法。
　　本文通過分析國內外研究學者對稀疏矩陣分解理論和特征基因識別算法方面的綜合研究成果，發(fā)現現有的理論成果存在部分學術

2、研究上的缺乏。因此，在以往研究成果的基礎上，通過對稀疏矩陣分解算法和非負矩陣分解（Non-negativeMatrixFactorization,NMF）進行深入研究，將差異特征提取作為重點研究方向，分別提出了三種新的差異特征識別算法。主要包括基于L21，范數的非負矩陣分解算法，基于流形學習的非負矩陣分解算法和分塊稀疏約束的非負矩陣分解算法。基于L21，范數的非負矩陣分解方法根據數據含有異常值和噪聲等特點，將L21，范數約束分別施加在誤

3、差函數以及正則項上，產生魯棒性和稀疏性結果。基于魯棒性圖正則的非負矩陣分解算法通過構建圖正則來保存原始矩陣中的數據點的分布結構，可以有效地識別特征基因。分塊稀疏約束的非負矩陣分解算法則是根據處理癌癥數據和腫瘤基因圖譜（TheCancer Genome Atlas，TCGA）的特點，將不同性質的數據采用不同的稀疏約束強度，使結果更容易理解和解釋。
　　為了驗證這三種算法的性能，本文在基因表達數據集和整合數據集上進行實驗，并同現有的方

4、法相比較。實驗結果證明了本文中所提出的算法在處理數據上是切實可行的。
　　本文的創(chuàng)新點之一在于通過L21，范數來產生稀疏以及魯棒性結果，提出一種新的魯棒性且稀疏性的非負矩陣分解算法(NMF L21，)來識別特征基因。同時將NMFL21，成功應用在基因表達數據分析中；創(chuàng)新點之二是基于L21，范數和流形學習算法，提出魯棒性圖正則算法(RGNMF)來識別特征基因；創(chuàng)新點三是提出一種分塊稀疏約束的非負矩陣分解算法（BSNMF L21，），