模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2015年
8期
728-734
,共7页
基因表达数据%聚类%最小二乘回归%子空间分割%投影
基因錶達數據%聚類%最小二乘迴歸%子空間分割%投影
기인표체수거%취류%최소이승회귀%자공간분할%투영
Gene Expression Data%Clustering%Least Square Regression%Subspace Segmentation%Projection
子空间分割方法是一种重要的机器学习方法，现有的子空间分割方法一般在原样本空间上进研究。文中借鉴现有的降维方法将投影技术与最小二乘回归子空间分割方法结合，提出投影子空间分割的基因表达数据聚类方法。该方法通过交替优化求投影矩阵和重构矩阵，同时实现降维和聚类。在6个基因表达数据集上的实验表明文中方法的有效性。
子空間分割方法是一種重要的機器學習方法，現有的子空間分割方法一般在原樣本空間上進研究。文中藉鑒現有的降維方法將投影技術與最小二乘迴歸子空間分割方法結閤，提齣投影子空間分割的基因錶達數據聚類方法。該方法通過交替優化求投影矩陣和重構矩陣，同時實現降維和聚類。在6箇基因錶達數據集上的實驗錶明文中方法的有效性。
자공간분할방법시일충중요적궤기학습방법，현유적자공간분할방법일반재원양본공간상진연구。문중차감현유적강유방법장투영기술여최소이승회귀자공간분할방법결합，제출투영자공간분할적기인표체수거취류방법。해방법통과교체우화구투영구진화중구구진，동시실현강유화취류。재6개기인표체수거집상적실험표명문중방법적유효성。
Subspace segmentation method is an important method for machine learning. The existing researches on subspace segmentation method are generally on the original sample space. Advanced by existing dimensional reduction methods, a gene expression data clustering method based on projection subspace segmentation is proposed by joining projection method and least square regression based subspace segmentation. Projection matrix and remodeling matrix is got by using alternate optimization, and dimension reduction and cluster is realized simultaneously. The experimental results on six gene expression datasets illustrate the validity of the proposed method.
