基于类别保留投影的基因表达数据降维方法  

Dimension Reduction for Gene Expression Data Using Class Preserveing Projection

作　　者：王文俊[1] 张军英[1] 杨利英[1] 

机构地区：[1]西安电子科技大学计算机学院,陕西西安710071

出　　处：《四川大学学报（工程科学版）》2009年第6期153-157,共5页Journal of Sichuan University (Engineering Science Edition)

基　　金：[ZK](国家自然科学基金资助项目(60533010);NS-FC-微软亚洲研究院联合资助项目(60933009)[ZK)]

摘　　要：针对基因表达数据的高维小样本问题,提出一种新的线性降维方法。该方法采用保局投影,结合样本的类别信息,将基因表达数据投影到特征子空间。与主分量分析方法寻找最大方差方向不同,类别保留投影方法旨在寻找能够反映样本类别结构的特征子空间。采用该方法进行数据降维的同时能使样本按照类别属性进行聚类。对真实的基因表达数据进行了降维可视化和k均值聚类分析,并与主分量分析方法进行了实验比较,结果表明,类别保留投影方法在实现降维的同时能更好地识别样本的类别特征,从而可视化效果相比主分量分析要好得多,且能得到较好的聚类效果。In order to overcome the problem of high-dimensionality of gene expression data,a linear-based method for dimensionality reduction was proposed.Using Locality Preserving Projections(LPP) incorporated with the class information,the gene expression data were mapped into a feature subspace.Different from Principal Component Analysis(PCA) which searches the direction of maximal variance,CPP seeks a feature subspace that reflects the class information of the samples and by using CPP the dimensions of the data ca...

关 键 词：基因表达数据 类别保留投影 可视化 聚类分析 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]