文献

J-GLOBAL ID：201802210529515118   整理番号：18A0035145

多重正則制約非負行列分解に基づく遺伝子特徴抽出【JST・京大機械翻訳】

Gene feature extraction based on multi-regularized constraints non-negative matrix factorization

著者 (3件)： Yang Guoliang (江西理工大学 電气工程与自動化学院,江西 gan州,341000) ,  Hu Zhengwei (江西理工大学 電气工程与自動化学院,江西 gan州,341000) ,  Kang Lele (江西理工大学 電气工程与自動化学院,江西 gan州,341000)
資料名： Jisuanji Gongcheng yu Sheji  (Jisuanji Gongcheng yu Sheji)
巻： 38  号： 9  ページ： 2396-2401  発行年： 2017年 
JST資料番号： C3599A  ISSN： 1000-7024  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 従来の非負行列因数分解(NMF)理論に基づいて,多次元制約付き非負行列分解(MRCNMF)に基づく特徴抽出モデルを,遺伝子発現データの高次元と高雑音の特性に基づいて提案した。多様体正則化を導入することによって,NMFは次元縮小においてオリジナルのデータの内部空間構造を維持することができて,低い順位のまばらな規則的制約はノイズとデータ損失に関してより良い抑制効果を持った。この問題を解決するために,モデル乗算法を提案し,+乗数保存行列の分解の非負性を導入した。実験結果により、特徴抽出アルゴリズムは遺伝子発現スペクトルにおけるノイズに対して強い抑制作用があり、NMFと図正の非負行列分解(GNMF)と比べ、より高い分類精度を達成できることが分かった。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 遺伝子発現 ,  スペクトル ,  乗算 ,  高次元 ,  立体構造 ,  *遺伝子 ,  次元縮小 ,  正則化 ,  雑音 ,  アルゴリズム ,  多様体 ,  *特徴抽出
準シソーラス用語： 分類精度 ,  非負行列因子分解 ,  *行列分解 , 【Automatic Indexing@JST】

著者キーワード (5件)： manifold regularized ,  low-rank sparse ,  NMF ,  gene expression profiling ,  feature extraction

分類 (2件)： パターン認識  (JE07000S) ,  遺伝子発現  (EC02040Q)

タイトルに関連する用語 (6件)： 多重 ,  制約 ,  非負行列 ,  分解 ,  遺伝子 ,  特徴抽出