[发明专利]一种基于共享字典学习的基因表达谱分类方法

摘要

本发明属于基因表达谱分类领域，公开了一种基于共享字典学习的基因表达谱分类方法，属于稀疏字典学习在生物大数据上的挖掘和应用。本方法首先构建一个共享字典，该字典能够获取所有类别的样本；然后训练字典，在训练字典的同时还训练投影矩阵，并且投影矩阵对测试样本的投影可以加宽不同类型样本之间的距离；最后，通过使用字典重建测试样本的系数编码向量之间的距离判定类别。该方法能够快速高效地对基因表达谱数据分类，这有助于区分癌症种类及其亚型，帮助从分子层面认识肿瘤的致病机理，并为彻底治疗肿瘤提供基因层次的解决方案。该方法具有共享样本的能力，少量样本时能保持稳定的投影能力，和一般的分类方法相比较，分类准确度有很大提升。

主权项

1.一种基于共享字典学习的基因表达谱分类方法，其特征在于，包括以下步骤：步骤一：初始化字典和投影矩阵P，包括以下步骤，1.1.输入基因表达谱训练样本集Y＝[Y₁，Y₂，...，Y_c],其中,c是总的类别数,Y_c是类别为c的训练集数据的子集；1.2.用随机数序列使字典初始化,字典其中D₀是共享字典，以获取所有类别的样本，分字典D＝[D₁，D₂，......，D_c],D_c是对应训练子集Y_c的子字典；1.3.用训练样本集Y的主成分分析转换矩阵初始化投影矩阵P；步骤二：计算和更新稀疏编码系数矩阵包括以下步骤，2.1.通过分系数矩阵获得字典的稀疏编码系数矩阵分系数矩阵X＝[X₁,X₂,...X_c],X_c是类别为c的子系数，X^T是X的转置矩阵，X⁰是Y在D上的稀疏系数，(X⁰)^T是X⁰的转置矩阵；2.2.通过稀疏表示得到最小目标函数最小目标函数表示为：其中,c是总类别数，是类别为c的训练样本的子系数矩阵，是判别保真项，通过让字典误差最小化进而还原出投影后的每一类训练样本，以此增强同类样本的表示能力而且削弱不同类样本的表示能力，以确保最大程度地还原P；是稀疏项，通过参数λ来调整矩阵的稀疏程度以保持稀疏系数矩阵的稀疏性；f(X)是系数判别项，通过调节X的分布让类内分布最小化和类间分布最大化，以确保字典对训练样本集Y具备相关的辨别能力；2.3.固定最小目标函数中字典和投影矩阵P的值，使得待求目标变成稀疏编码系数矩阵采用投影迭代法计算子类编码系数最后把子类编码系数组合成稀疏编码系数矩阵步骤三：更新投影矩阵P,固定最小目标函数中字典和稀疏编码系数矩阵的值，将投影矩阵P直接投影到训练样本集Y；步骤四：更新字典固定最小目标函数中投影矩阵P和稀疏编码系数矩阵的值，采用投影迭代法计算类别子字典然后把类别子字典组合成字典步骤五：采用梯度下降的方式求最小目标函数的一个局部最优解，求解过程中循环执行步骤三和步骤四，直到重构误差趋于平稳不再变化,获得最终得到的字典和投影矩阵P；步骤六：通过稀疏编码向量之间的距离来判定测试数据类别，包括以下步骤，6.1.将步骤五获得的字典和投影矩阵P传入测试数据集y；6.2.用投影矩阵P对y进行投影，让y投影到一个低维的空间，得到投影后的样本6.3.在低维空间中用字典对进行稀疏线性表示得到稀疏编码向量u；6.4.用稀疏编码向量u之间的距离作为判定依据来对进行最终分类。