基于互信息量的生物信息数据特征标注方法

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于互信息量的生物信息数据特征标注方法

何红洲, 周明天

文章导航 > 电子科技大学学报 > 2013 > 42(6): 916-920

何红洲, 周明天. 基于互信息量的生物信息数据特征标注方法[J]. 电子科技大学学报, 2013, 42(6): 916-920. doi: 10.3969/j.issn.1001-0548.2013.06.020

引用本文:

何红洲, 周明天. 基于互信息量的生物信息数据特征标注方法[J]. 电子科技大学学报, 2013, 42(6): 916-920. doi: 10.3969/j.issn.1001-0548.2013.06.020

HE Hong-zhou, ZHOU Ming-tian. Feature Annotation Method of Biological Information Data Based on Mutual Information[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(6): 916-920. doi: 10.3969/j.issn.1001-0548.2013.06.020

Citation:

HE Hong-zhou, ZHOU Ming-tian. Feature Annotation Method of Biological Information Data Based on Mutual Information[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(6): 916-920. doi: 10.3969/j.issn.1001-0548.2013.06.020

基于互信息量的生物信息数据特征标注方法

doi: 10.3969/j.issn.1001-0548.2013.06.020

何红洲^1,2,
周明天¹

1.
电子科技大学计算机科学与工程学院成都 611731;
2.
绵阳师范学院数学与计算机科学学院四川绵阳 621000

基金项目:

四川省教育厅自然科学研究项目(12ZB070)

作者简介:
何红洲(1967-), 男, 博士生, 副教授, 主要从事生物信息数据挖掘及复杂网络方面的研究.

中图分类号: TP391

Feature Annotation Method of Biological Information Data Based on Mutual Information

HE Hong-zhou^1,2,
ZHOU Ming-tian¹

1.
School of Computer Science and Engineering,University of Electronic Science and Technology of China Chengdu 611731;
2.
College of Mathematics & Computer Science,Mianyang Normal University Mianyang Sichuan 621000

摘要: 提出了一种用于排位特征变量的基于特征矩阵信息增益的无监督特征标注准则(IGC)及直接选择法(DS)、累积最大熵法(CEM)和最大信息增益法(IGM)3种新的特征过滤方法来降低聚类的复杂度.使用经典的QC或K-means聚类算法,在杆状病毒数据集(RSV)、混合血统白血病数据集(MLL)和急性白血病患者数据集(ALP)等3种不同的生物信息数据集上测试并对比了这些特征过滤方法和目前的偏差选择(VS)和基因修剃(GS)过滤方法对聚类结果的影响.试验结果表明,3种特征过滤方法在加速聚类过程及保持初始数据的聚类结构上都具有明显的优势.
- 特征标注 /
- 特征过滤 /
- 信息增益 /
- Jaccard群落系数 /
- 奇异值分解熵
Abstract: A unsupervised feature annotation criterion-information gain criterion (IGC)-based on feature matrix information gain is proposed to rank the feature variable. According to this rank, three new feature filtering methods：direct selection (DS), cumulate maximum entropy (CEM), and information gain maximum (IGM) are given to reduce clustering complexity. The clustering results of these three filtering methods with two existing variance selection (VS) and gene shaving (GS) methods were tested and compared by using classic QC or K-means algorithm and three biological datasets: rod-shaped viruses (RSV), mixed-lineage leukemia (MLL), and acute leukemia patients (ALP). The experiment results show our feature filtering method has obvious superiority in accelerating the clustering procedure and preserving the clustering structure of initial data.
- feature annotation /
- feature filtering /
- information gain /
- Jaccard score /
- SVD-entropy

[1]	冯琴荣, 温玮华. 区间值信息系统的熵度量 . 电子科技大学学报, 2021, 50(1): 101-105. doi: 10.12178/1001-0548.2019243
[2]	蒋伟, 秦志光. 耦合社会信任信息的矩阵分解协同过滤模型 . 电子科技大学学报, 2019, 48(3): 420-426. doi: 10.3969/j.issn.1001-0548.2019.03.018
[3]	郭强, 岳强, 李仁德, 刘建国. 基于四阶奇异值分解的推荐算法研究 . 电子科技大学学报, 2019, 48(4): 586-594. doi: 10.3969/j.issn.1001-0548.2019.04.017
[4]	吴琳拥, 毛谨, 白渭雄. 基于奇异值分解的雷达微小目标检测方法 . 电子科技大学学报, 2019, 48(3): 326-330. doi: 10.3969/j.issn.1001-0548.2019.03.002
[5]	宋勇, 蔡志平. 一种基于信息论模型的入侵检测特征提取方法 . 电子科技大学学报, 2018, 47(2): 267-271. doi: 10.3969/j.issn.1001-0548.2018.02.017
[6]	余刚, 王知衍, 邵璐, 胡舒悦, 蔡毅. 基于奇异值分解的个性化评论推荐 . 电子科技大学学报, 2015, 44(4): 605-610. doi: 10.3969/j.issn.1001-0548.2015.04.022
[7]	张磊, 李珊, 彭舰, 陈黎, 黎红友. 基于依存关系和最大熵的特征-情感对分类 . 电子科技大学学报, 2014, 43(3): 420-425. doi: 10.3969/j.issn.1001-0548.2014.03.018
[8]	孙永奎, 余志斌, 金炜东, 李坤贤. 高速列车监测数据的奇异性特征研究 . 电子科技大学学报, 2014, 43(3): 388-392. doi: 10.3969/j.issn.1001-0548.2014.03.012
[9]	彭云峰, 何模雄, 隆克平. 入侵检测灰色空间模型及应用 . 电子科技大学学报, 2012, 41(3): 453-458. doi: 10.3969/j.issn.1001-0548.2012.03.025
[10]	赵学智, 叶邦彦. 单向收缩QR算法在奇异值分解中的收敛特性 . 电子科技大学学报, 2010, 39(5): 762-768. doi: 10.3969/j.issn.1001-0548.2010.05.024
[11]	荀京京, 王厚军, 向长波, 宋建中. 一种提取视频电磁泄漏信息同步特征的方法 . 电子科技大学学报, 2007, 36(3): 579-582.
[12]	郭磊, 唐斌, 刘刚. 基于辐射源信号特征信息的JPDA无源跟踪算法 . 电子科技大学学报, 2007, 36(1): 27-29.
[13]	冉瑞生, 黄廷祝. 迭代矩阵特征值模的界 . 电子科技大学学报, 2006, 35(1): 133-136.
[14]	杨汉生, 钟守铭. NEAR-ALGEBRA和BANACH代数上的一个特征值定理 . 电子科技大学学报, 2005, 34(6): 854-856.
[15]	陈建新. 可对称化矩阵特征值的任意扰动 . 电子科技大学学报, 2005, 34(1): 121-123.
[16]	张选芳. Internet网络安全的信息过滤模型分析 . 电子科技大学学报, 2004, 33(3): 270-272.
[17]	梁金明, 章毅. 基于回路神经网络的特征子空间估值算法 . 电子科技大学学报, 2002, 31(6): 612-618.
[18]	梁金明, 章毅. 回复式离散神经网络的特征子空间估值 . 电子科技大学学报, 2002, 31(4): 349-355.
[19]	朱峰. 大q值下马丢函数特征值的快速算法 . 电子科技大学学报, 1999, 28(2): 128-131.
[20]	熊静琪. 非回转体零件特征信息模型的建立 . 电子科技大学学报, 1998, 27(2): 144-147.

WeChat

点击查看大图

计量

文章访问数: 3566
HTML全文浏览量: 138
PDF下载量: 32
被引次数: 0

基于互信息量的生物信息数据特征标注方法

doi: 10.3969/j.issn.1001-0548.2013.06.020

何红洲^1,2,
周明天¹

1. 电子科技大学计算机科学与工程学院成都 611731;

2. 绵阳师范学院数学与计算机科学学院四川绵阳 621000

基金项目:

四川省教育厅自然科学研究项目(12ZB070)

作者简介:
何红洲(1967-), 男, 博士生, 副教授, 主要从事生物信息数据挖掘及复杂网络方面的研究.

收稿日期: 2012-06-26
修回日期: 2013-05-16
刊出日期: 2013-12-15

中图分类号: TP391

关键词:

摘要: 提出了一种用于排位特征变量的基于特征矩阵信息增益的无监督特征标注准则(IGC)及直接选择法(DS)、累积最大熵法(CEM)和最大信息增益法(IGM)3种新的特征过滤方法来降低聚类的复杂度.使用经典的QC或K-means聚类算法,在杆状病毒数据集(RSV)、混合血统白血病数据集(MLL)和急性白血病患者数据集(ALP)等3种不同的生物信息数据集上测试并对比了这些特征过滤方法和目前的偏差选择(VS)和基因修剃(GS)过滤方法对聚类结果的影响.试验结果表明,3种特征过滤方法在加速聚类过程及保持初始数据的聚类结构上都具有明显的优势.

English Abstract

何红洲, 周明天. 基于互信息量的生物信息数据特征标注方法[J]. 电子科技大学学报, 2013, 42(6): 916-920. doi: 10.3969/j.issn.1001-0548.2013.06.020

引用本文:

何红洲, 周明天. 基于互信息量的生物信息数据特征标注方法[J]. 电子科技大学学报, 2013, 42(6): 916-920. doi: 10.3969/j.issn.1001-0548.2013.06.020

HE Hong-zhou, ZHOU Ming-tian. Feature Annotation Method of Biological Information Data Based on Mutual Information[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(6): 916-920. doi: 10.3969/j.issn.1001-0548.2013.06.020

Citation:

HE Hong-zhou, ZHOU Ming-tian. Feature Annotation Method of Biological Information Data Based on Mutual Information[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(6): 916-920. doi: 10.3969/j.issn.1001-0548.2013.06.020

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发