Biblioteca73.326 documentos en línea

Artículo

One-Step Robust Low-Rank Subspace Segmentation for Tumor Sample ClusteringSegmentación robusta de subespacio de bajo rango en un solo paso para la agrupación de muestras de tumores

Resumen

La agrupación de muestras tumorales puede ayudar a identificar los tipos de cáncer y descubrir nuevos subtipos de cáncer, lo que es esencial para un tratamiento eficaz del cáncer. Aunque se han propuesto muchos métodos tradicionales de clustering para la agrupación de muestras tumorales, todavía se necesitan algoritmos avanzados con mejor rendimiento. El clustering de subespacio de bajo rango es un algoritmo muy popular en los últimos años. En este trabajo, proponemos un nuevo método de segmentación de subespacio de bajo rango robusto de un solo paso (ORLRS) para la agrupación de la muestra del tumor. Para un conjunto de datos de expresión genética, buscamos su matriz de representación de menor rango y la matriz de ruido. Al imponer la restricción discreta en la matriz de bajo rango, sin realizar el clustering espectral, ORLRS aprende los indicadores de cluster de los subespacios directamente, es decir, realizando la tarea de clustering en un solo paso. Para mejorar la robustez del método, se adopta la norma capada para eliminar los datos extremos atípicos en la matriz de ruido. Además, llevamos a cabo una solución eficiente para resolver el problema de ORLRS. Los experimentos con varios datos de expresión genética de tumores demuestran la eficacia de ORLRS.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento