基于核范数凸优化的微阵列缺失点重建  

Microarray missing value estimation based on convex nuclear norm optimization

作　　者：孟繁驰[1] 李书琴[1] 蔡骋[1] 

机构地区：[1]西北农林科技大学信息工程学院,陕西杨凌712100

出　　处：《计算机工程与设计》2013年第2期660-664,共5页Computer Engineering and Design

基　　金：国家自然科学基金项目(60975007);陕西省自然科学基金项目(2010JQ8019);陕西省科技计划基金项目(2010K06-15)

摘　　要：为解决大多数基因微阵列矩阵中含有缺失点的问题,提出了基于矩阵核范数凸优化(Nuclear Norm Optimization)的微阵列缺失点的重建方法。该方法利用了微阵列矩阵中的冗余信息,使用矩阵填充(Matrix Completion,MC)来重建缺失点,实现了矩阵的核范数凸优化。实验结果表明,矩阵填充在某些时间序列的微阵列数据集上与K最近邻(KNN)、贝叶斯主成分分析(BPCA)和局部最小二乘法(LLSimpute)相比表现出了较强的竞争力。由矩阵填充得到的矩阵,还可以替代广泛应用的局部最小二乘法中的行均值填充矩阵。矩阵填充和局部最小二乘法结合的方法在所有测试数据集的几乎所有缺失率下都取得了最低的重建错误率。To solve the problem that most gene microarray matrices contain missing values, a missing value estimation method based on nuclear norm optimization is proposed. The method utilizes the redundancy information in the gene matrix and imple ments a convex optimization of the matrix＇ s nuclear norm by using matrix completion （MC）. Experiments result shows that MC is comparable with K nearest neighbors （KNN）, bayesian principal component analysis （BPCA） and LLSimput in some time series microarray datasets. The matrix generated by MC can also replace the rowaverage matrix in the widely used LLSimput method. The method that combined MC with LLSimpute acquires the lowest reconstruction error in all the test datasets at al most all missing rates.

关 键 词：微阵列缺失点重建 核范数凸优化 矩阵填充 非精确增广拉格朗日乘子 局部最小二乘法 

分 类 号：TP399[自动化与计算机技术—计算机应用技术]