β散度的非负矩阵分解在基因聚类中的应用.PDFVIP

β散度的非负矩阵分解在基因聚类中的应用.PDF

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
β散度的非负矩阵分解在基因聚类中的应用

第8 卷 第4 期 Vol.8 No.4 2015 年 2 月 February 2015 β 散度的非负矩阵分解在基因聚类中的应用 崔 建,何光辉* (重庆大学数学与统计学院,重庆 401331 ) 摘要:针对传统的非负矩阵分解(non-negative matrix factorization ,NMF )算法在基因表达数据聚类应用 中的低效性,研究采用一种基于β 散度的 NMF (β-NMF )算法,该方法中β 的选择是一个开放性问题。实验 中β 取不同值分别对基因表达数据进行分解,再通过 K 均值聚类。分析结果并与传统的基于梯度下降的 NMF 和 Kullback–Leibler (KL )散度的NMF 实验做对比,得出当 β 取值为 0.5 时,该算法对基因数据表达谱具有 较好的聚类效果。 关键词:模式识别;β 散度;非负矩阵分解;基因表达数据;聚类;梯度下降 中图分类号:TP391.19 文献标识码:A 文章编号:1674-2850(2015)04-0325-06 Application of β-divergence non-negative matrix factorization in gene clustering CUI Jian, HE Guanghui (College of Mathematics and Statistics, Chongqing University, Chongqing 401331, China) Abstract: Traditionally non-negative matrix factorization (NMF) algorithm clustering for the application of gene expression data is inefficient. In this paper, we used NMF algorithm based on β divergence (β-NMF) to avoid some insufficiency of classical NMF algorithm. It was an open problem to choose the best optimal value of β. In our experiments, we took different value of β for gene expression data decomposition, and then clustered gene expression data by K-means algorithm. By analyzing and comparing experimental results with traditional non-negative matrix decomposition based on gradient descent and Kullback–Leibler (KL) divergence decomposition, we concluded that when β was 0.5, the algorithm had an better clustering effect. Key words: pattern reco

文档评论(0)

***** + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:8010045112000002

1亿VIP精品文档

相关文档