基于鉴别主成份分析的基因表达数据特征提取

• 作者: 廖海斌 徐洪章
• 来源期刊: 燕山大学学报
• 学科: 工学
• 关键词: 主成份分析 线性判别分析 子空间 基因表达数据
• 年，卷（期）: 2010,（5）
• 页码范围: 426-430
• 分类号: TP391
• 字数: 3343字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-791X.2010.05.010

摘要

针对高维小样本数据特征提取问题,通过融合主成份分析(PCA)和线性判别分析(LDA),提出一种鉴别主成份分析方法.通过对PCA主成份进行单个线性判别,选择主要反应类间差异的丰成份来构造特征空间.对yeast和NCI基因表达数据的实验结果表明:该方法在降维的同时能获得较好的判别特征,且能避免线性判别分析方法的奇异性.在子空间的聚类识别率相比PCA提高了20%以上,且具有较好的可视化效果,说明了用该方法对高维小样本数据进行特征提取的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐洪章	黄淮学院计算机科学系	10	31	3.0	5.0
2	廖海斌	武汉大学电子信息学院	14	116	6.0	10.0