文献

J-GLOBAL ID：201702223082499847   整理番号：17A1346876

遺伝子選択とクラスタリングのためのグラフラプラシアン正則化とPノルムに基づくPCA(主成分分析)【Powered by NICT】

PCA Based on Graph Laplacian Regularization and P-Norm for Gene Selection and Clustering

著者 (5件)： Feng Chun-Mei (School of Information Science and Engineering, Qufu Normal University, Rizhao, China) ,  Gao Ying-Lian (Library of Qufu Normal University, Qufu Normal University, Rizhao, China) ,  Liu Jin-Xing (School of Information Science and Engineering, Qufu Normal University, Rizhao, China) ,  Zheng Chun-Hou (School of Information Science and Engineering, Qufu Normal University, Rizhao, China) ,  Yu Jiguo (School of Information Science and Engineering, Qufu Normal University, Rizhao, China)
資料名： IEEE Transactions on Nanobioscience  (IEEE Transactions on Nanobioscience)
巻： 16  号： 4  ページ： 257-265  発行年： 2017年 
JST資料番号： W1381A  ISSN： 1536-1241  CODEN： ITMCEL  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 現代分子生物学では,この分野のホットスポットと困難さは遺伝子発現データからの特徴的な遺伝子を同定した。行列分解法としての伝統的再構成誤差最小化モデル主成分分析(PCA)は,二次誤差関数,異常値や雑音に知られる高感度を用いた。,異常値や雑音が存在するとき良好なPCA法を学習する必要がある。本論文では,行列分解問題のための誤差関数とグラフラプラシアン正則化項にpノルムを施行した新しいPCA法,PgLPCAと呼ばれるを開発した。異常値と騒音を低減するための設計法の心臓は非凸近位pノルムに基づく新しい誤差関数である。に加えて,ラプラシアン正則化項をデータ表現の内部幾何学的構造を見出した。最小化問題を解決するために,著者らは増強されたLagrange乗数法に基づく効率的な最適化アルゴリズムを開発した。この方法は特徴的な遺伝子を選択し,爆発的生物学的データ,比較法よりも高い精度を試料をクラスター化するのに利用した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *正則化 ,  データ表現 ,  雑音 ,  最小化問題 ,  凸形 ,  誤差関数 ,  *ノルム ,  Lagrange乗数法 ,  *クラスタ化 ,  *Laplace演算子 ,  異常値 ,  *主成分分析 ,  *遺伝子
準シソーラス用語： 行列分解 ,  *グラフラプラシアン , 【Automatic Indexing@JST】

分類 (5件)： 遺伝子発現  (EC02040Q) ,  蛋白質・ペプチド一般  (EB03010N) ,  腫ようの診断  (GE03020J) ,  分子・遺伝情報処理  (JE15040B) ,  生物科学研究法一般  (EA03010K)

タイトルに関連する用語 (7件)： 遺伝子選択 ,  クラスタリング ,  グラフラプラシアン ,  正則化 ,  ノルム ,  PCA ,  主成分分析