[发明专利]融合自学习和低秩表示的基因表达数据癌症分类方法

摘要

本发明公开了一种融合自学习和低秩表示的基因表达数据癌症分类方法，包括：步骤1、对于给定的癌症基因表达数据集，将数据合并构建数据矩阵，并作归一化处理；步骤2、对于得到的数据矩阵，利用低秩表达方法进行分解，得到一个低秩矩阵和一个稀疏矩阵；步骤3、利用训练集的标签信息，在低秩矩阵和稀疏矩阵上分别计算每个类别的初始点；步骤4、分别在低秩矩阵和稀疏矩阵上使用一种无监督聚类方法，分别获得基于低秩矩阵和稀疏矩阵的预测结果；步骤5、对比两个预测结果，若无预测相同的样本或达到最大迭代次数，输出基于低秩表达矩阵的预测结果；否则，将预测相同的样本移除测试集并加入训练集，回到步骤3。利用本发明可在利用少量标注样本的情况下提高预测精度，减少了标注样本中的时间和人力成本。

主权项

一种融合自学习和低秩表示的基因表达数据癌症分类方法，其特征在于包括以下步骤：步骤1、对于给定癌症基因表达数据集，其中有标签数据的集合为训练集，无标签数据集合为测试集；将数据合并构建数据矩阵X，并作归一化处理；步骤2、对于得到的数据矩阵，利用低秩表达方法进行分解，得到一个低秩矩阵Z和一个稀疏矩阵E；步骤3、利用训练集的标签信息，在低秩矩阵Z和稀疏矩阵E上分别计算每个类别i的初始点坐标p(i)；步骤4、分别在低秩矩阵Z和稀疏矩阵E上使用一种无监督聚类方法，分别获得基于低秩矩阵Z和稀疏矩阵E的预测结果lZ和lE；步骤5、对比两个预测结果lZ和lE，若无预测相同的样本或达到最大迭代次数，输出基于低秩表达矩阵的预测结果lZ；否则，将预测相同的样本移除测试集并加入训练集，返回步骤3。