基于压缩感知的癌症基因表达数据分类  

Classification of cancer gene expression data based on compressed sensing

作　　者：陆慧娟[1,2] 陆江江 王明怡[1] 陆羿 

机构地区：[1]中国计量学院信息工程学院,浙江杭州310018 [2]中国矿业大学信息与电气工程学院,江苏徐州221008 [3]美国德州农工大学Prairie View分校计算机科学系,美国77446

出　　处：《中国计量学院学报》2012年第1期70-74,共5页Journal of China Jiliang University

基　　金：国家自然科学基金资助项目(No.60842009);浙江省自然科学基金资助项目(No.Y1110342)

摘　　要：提出了一种基于压缩感知原理的分类方法.把癌症基因表达数据分类问题归结为求解测试样本对于训练样本的稀疏表示问题,通过求解L1范数意义下的最优化问题来实现.提出的方法与Bagging神经网络和SVM的识别效果做了对比和分析,实验证明基于压缩感知的分类取得了相对较好的效果.A classification method based on compressed sensing theory is proposed.The cancer gene expression classification problem was reduced to the problem as how to represent the testing samples from training data.The classification result thus could be achieved by solving the L1 norm-based optimization problem.We compared the effectiveness of this method with Bagging neutral network and SVM.Experiment results show that the compressed sensing-based classification method performs more effective.

关 键 词：基因表达数据 压缩感知 稀疏表示 L1范数 

分 类 号：R730.4[医药卫生—肿瘤]