检索结果-南通市图书馆

基于拉普拉斯正则化稀疏匹配模型的组学数据关联关系发现

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于拉普拉斯正则化稀疏匹配模型的组学数据关联关系发现

作者：蔡就伦华南理工大学

学位级别：硕士

随着生物信息技术的发展,高通量测序技术的出现极大地降低了测序的成本,提高了测序的性能,使得高效全面地测定同一样本不同层面的组学数据成为可能。目前已积累的海量多源异构生物医学数据奠定了整合分析多组学数据的基础,为揭示肿瘤发... 详细信息

随着生物信息技术的发展,高通量测序技术的出现极大地降低了测序的成本,提高了测序的性能,使得高效全面地测定同一样本不同层面的组学数据成为可能。目前已积累的海量多源异构生物医学数据奠定了整合分析多组学数据的基础,为揭示肿瘤发生发展的机理提供了的前所未有的机遇。但是由于数据中的噪声成分较大以及个体之间的差异性等因素,如何高效准确地识别多组学数据间的关联关系仍然是一个有待解决的问题。虽然现有模型在组学数据关联关系分析中取得了不错的进展,但仍存在一些不足之处。例如,大部分研究都仅仅聚焦于组学数据本身的分析,很少考虑在模型中加入其他重要的先验信息,甚至完全没有利用任何先验信息,但一些研究表明对先验信息的合理利用不仅可以提高模型准确性和健壮性,还可以提高运算效率。另外,越来越多生物分子之间的潜在关联已被证实,如基因调控网络、蛋白质-蛋白质相互作用网络和代谢路径网络等等。基于此,本文的主要内容如下:首先,本文简要地阐明了组学数据关联关系发现的研究背景、现状和意义。其次,本文简单地介绍了组学数据的获取方法与预处理方式。随后,本文对拉普拉斯矩阵的特性作简要的介绍。进一步地,本文基于组学数据关联关系的特点,为多组学数据关联关系的发现提出了拉普拉斯正则化稀疏匹配模型LRSM,该模型通过拉普拉斯正则项结合已有的先验信息对组学数据进行分析,挖掘数据中的潜在关联关系。此外,模型引入了L-范数来对结果的稀疏性进行约束,最终可转化为带不等式约束的二次凸优化问题,并采用增广拉格朗日乘子法结合随机梯度下降法进行高效求解。最后,我们在模拟数据集和真实数据集上对拉普拉斯稀疏匹配模型进行测试,通过与现有方法进行比较分析证明了模型的有效性与可靠性。综上所述,本文的主要意义在于:(1)通过在模型中加入拉普拉斯正则项引入先验信息,以期减少噪声对结果的影响,降低数据误差所带来的不确定性,并且提高结果的准确性与鲁棒性。(2)通过模拟实验探究拉普拉斯正则项对模型的影响,说明了先验信息在多组学数据关联关系发现中的重要作用。(3)除了理论上的分析,我们还对结果进行了较为充分的生物学验证,结果表明了模型的有效性和合理性,说明其对加深理解癌症发生发展过程中在各个组学层面上的变化规律具有一定的积极意义。

关键词：组学数据关联关系拉普拉斯正则化稀疏凸优化

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于拉普拉斯正则化的药物副作用频率预测

天津科技大学学报 2022年第3期37卷 67-72页

作者：王林李冰纯徐显嵛天津科技大学人工智能学院天津300457

药物风险-效益评价中的一个重要问题是确定药物副作用的频率.相较于通常的随机对照实验,基于机器学习预测药物副作用频率的方法具有时间短、准确率高的特点,并且可以用来指导对照实验.现有的计算方法很少考虑“相似的药物具有相似的副... 详细信息

药物风险-效益评价中的一个重要问题是确定药物副作用的频率.相较于通常的随机对照实验,基于机器学习预测药物副作用频率的方法具有时间短、准确率高的特点,并且可以用来指导对照实验.现有的计算方法很少考虑“相似的药物具有相似的副作用频率”这一特点,因此预测性能仍有待进一步提高.本文提出结合拉普拉斯正则化的非负矩阵分解方法,并引入超参数控制未知副作用标签及其预测值的间隔.计算实验表明,该方法可以有效预测药物的副作用频率,并且还可以预测上市后药物的副作用.

关键词：药物副作用频率机器学习拉普拉斯正则化

在线全文

学校读者我要写书评

暂无评论

去噪算法驱动的地震反演正则化方法

地球物理学报 2023年第11期66卷 4664-4676页

作者：王玲谦周辉陈汉明李红辉油气资源与工程全国重点实验室 CNPC物探重点实验室中国石油大学(北京)北京102249 中国石油东方地球物理公司物探技术研究中心涿州072751

地震反演作为重要的定量解释手段,利用观测地震记录、层位信息和测井数据来预测地下弹性参数展布.但是,作为典型的反问题,地震反演具有严重的不适定性,难以获得稳定可靠的解,通常采用正则化的方法进行求解.同样地,作为反问题的地震数据... 详细信息

地震反演作为重要的定量解释手段,利用观测地震记录、层位信息和测井数据来预测地下弹性参数展布.但是,作为典型的反问题,地震反演具有严重的不适定性,难以获得稳定可靠的解,通常采用正则化的方法进行求解.同样地,作为反问题的地震数据去噪,已进行了广泛深入的研究,许多去噪算法已经成功应用于地震反演中.本文提出一种去噪算法驱动的正则化方法,并将其应用于叠后地震反演.该正则化方法基于反演结果偏差与真实模型呈正交关系的假设条件,构建拉普拉斯正则化项,利用观测地震记录不匹配项和拉普拉斯正则化项来建立地震反演目标函数.在拉普拉斯正则化中需要真实模型,由传统去噪算法作用后的结果替代,因此该方法可以有效结合各种成熟的去噪算法.为了有效求解该目标函数,本文在去噪算法满足齐次性条件的基础上,推导了一种通用的目标函数的导数形式.该导数形式能灵活地结合传统的均值滤波和保边平滑滤波等线性去噪算法,并且可以采用共轭梯度法直接求解.该方法得到的反演结果可以在满足观测记录与合成记录匹配的同时,具备去噪算法期望的特征.本文证明了非局部均值滤波和字典学习去噪算法满足齐次性条件,并在模型测试中,与传统的迭代滤波反演方法比较,验证了该方法的可靠性和稳定性,并且通过实际数据叠后波阻抗反演说明了该方法的实用性.

关键词：叠后地震反演正则化去噪拉普拉斯正则化

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

一种基于局部学习的自然图像景物提取方法

软件学报 2009年第4期20卷 834-844页

作者：彭宏京陈松灿张道强南京工业大学计算机科学系江苏南京210009 南京航空航天大学计算机科学与工程系江苏南京210016

引入一种按邻点对的相似性权值计算次数来归类Laplacian的思想,并从理论上证明了包含多次相似性权值计算的Laplacian构造比只计算一次或两次相似性权值的Laplacian构造更能精细地刻画数据局部几何结构.据此提出了一种新的更能胜任自然... 详细信息

引入一种按邻点对的相似性权值计算次数来归类Laplacian的思想,并从理论上证明了包含多次相似性权值计算的Laplacian构造比只计算一次或两次相似性权值的Laplacian构造更能精细地刻画数据局部几何结构.据此提出了一种新的更能胜任自然图像景物提取任务的Laplacian构造方法.该方法通过任意一对相邻像素在不同局部邻域内建立一个线性学习模型来重构不同的相似性权值.结合用户提供的部分前、背景标记约束,导出求解景物提取的半监督二次优化目标函数.当考虑通过对前、背景抽样来估计未知像素的颜色值时,优化目标可以迭代求解.更有意义的是,该迭代方法可以成功地将原来构造的其他Laplacian推广应用于只提供稀疏指示条带的景物提取问题中.理论分析与实验结果均证实,所构造的Laplacian能够更充分地表达图像像素间的内在结构,能以更精细的方式约束传播前、背景的成分比例而不仅仅是标号,从而获得更优的景物提取效果.

关键词：景物提取半监督学习局部学习拉普拉斯正则化二次优化

在线全文

学校读者我要写书评

暂无评论

基于空间变化点扩展函数的图像直接复原方法

光学学报 2017年第1期37卷 113-121页

作者：周程灏王治乐刘尚阔哈尔滨工业大学航天学院黑龙江哈尔滨150001

采用点插值法、循环矩阵模型、拉普拉斯正则化方法和共轭梯度迭代法,解决了空间变化图像复原过程中空间变化点扩展函数的获取、反卷积的计算模型、反问题的病态性以及复原算法等问题。在此基础上,建立了空间变化图像复原方法,并分析了... 详细信息

采用点插值法、循环矩阵模型、拉普拉斯正则化方法和共轭梯度迭代法,解决了空间变化图像复原过程中空间变化点扩展函数的获取、反卷积的计算模型、反问题的病态性以及复原算法等问题。在此基础上,建立了空间变化图像复原方法,并分析了图像复原的基本模型。最后,通过仿真对比了提出的空间变化图像复原算法和空间不变图像复原算法,结果表明,空间变化算法的图像复原结果好于空间不变算法。

关键词：图像处理线性空间变化主元分析点插值拉普拉斯正则化

在线全文

学校读者我要写书评

暂无评论

基于概念分解的显隐空间协同多视图聚类算法

模式识别与人工智能 2023年第2期36卷 160-173页

作者：胡素婷沈宗鑫黄倩倩黄雁勇西南财经大学统计学院成都611130 西南交通大学计算机与人工智能学院成都611756 西南民族大学计算机科学与工程学院成都610041

多视图聚类通过整合不同视图的特征以提升聚类性能.现有的多视图聚类更多地关注数据不同的低维表示方式和其在隐式空间的几何结构,而忽略数据样本在不同空间的结构关系,未同时考虑不同空间的聚类.为此,文中提出基于概念分解的显隐空间... 详细信息

多视图聚类通过整合不同视图的特征以提升聚类性能.现有的多视图聚类更多地关注数据不同的低维表示方式和其在隐式空间的几何结构,而忽略数据样本在不同空间的结构关系,未同时考虑不同空间的聚类.为此,文中提出基于概念分解的显隐空间协同多视图聚类算法.首先,通过概念分解获取不同视图在隐式空间中的一个共同的低维特征表示,并利用图拉普拉斯正则化约束保持原始数据的局部结构不变.然后,将数据在显式空间中的聚类和隐式空间中的聚类整合到一个共同的框架中,进行协同学习和优化,得到最终的聚类结果.在8个真实数据集上的实验表明文中算法性能较优.

关键词：多视图聚类协同训练概念分解拉普拉斯正则化

在线全文

学校读者我要写书评

暂无评论

基于核诱导的不完整多视角聚类

计算机科学与探索 2021年第2期15卷 284-293页

作者：张炜邓赵红王士同江南大学人工智能与计算机学院江苏无锡214122

随着技术的发展,数据往往具有来自不同源的多种形式,多视角聚类算法旨在利用不同源中的互补信息进行聚类。虽然目前多视角聚类算法已在各个领域取得较大发展和成功应用,但是多视角聚类算法仍然面临许多重要挑战,其中一个就是当多个视角... 详细信息

随着技术的发展,数据往往具有来自不同源的多种形式,多视角聚类算法旨在利用不同源中的互补信息进行聚类。虽然目前多视角聚类算法已在各个领域取得较大发展和成功应用,但是多视角聚类算法仍然面临许多重要挑战,其中一个就是当多个视角的样本存在缺失时,如何充分挖掘数据信息以减少缺失样本带来的负面影响。针对此挑战,提出一种基于核诱导的不完整多视角聚类算法(KIMV)。该方法利用核方法和非负矩阵分解技术在核希尔伯特空间中对所有视角学习一个最优的共性矩阵,并通过视角自适应加权机制和图拉普拉斯正则化提高算法性能。在五个多视角数据集上的实验有效验证了KIMV的上述优势。

关键词：不完整多视角核诱导拉普拉斯正则化自适应视角加权

在线全文

学校读者我要写书评

暂无评论

热红外与可见光图像融合算法研究

计算机科学与探索 2016年第3期10卷 407-413页

作者：李海超李成龙汤进罗斌安徽大学计算机科学与技术学院合肥230601 安徽省工业图像处理与分析重点实验室合肥230039

融合热红外与可见光图像能够达到信息的互补,弥补单一模态在某些条件下的不足,因此具有较高的研究和应用价值。采用了一种基于稀疏表示模型的热红外与可见光图像融合算法。首先,根据一定量图像样本学习出较为完备的字典。其次,对于给定... 详细信息

融合热红外与可见光图像能够达到信息的互补,弥补单一模态在某些条件下的不足,因此具有较高的研究和应用价值。采用了一种基于稀疏表示模型的热红外与可见光图像融合算法。首先,根据一定量图像样本学习出较为完备的字典。其次,对于给定的两模态图像对,通过稀疏表示模型在学习出的字典上分别对其进行稀A表示。同时,为了提高鲁棒性,使用了拉普拉斯约束对表示系数进行正则化。然后,根据融合算法对两模态图像进行有效融合。最后,在公共的图像以及收集的图像上进行了实验,实验结果表明,该算法能够有效地融合两模态图像的信息。

关键词：多模态融合稀疏表示拉普拉斯正则化

在线全文

学校读者我要写书评

暂无评论

使用深度对抗子空间聚类实现高光谱波段选择

计算机应用 2020年第2期40卷 381-385页

作者：曾梦宁彬蔡之华谷琼湖北文理学院计算机工程学院湖北襄阳441053 中国地质大学(武汉)计算机学院武汉430074

高光谱图像(HSI)由数百个波段组成,波段之间的相关性强且具有较高的冗余度,导致出现维度灾难并且分类的复杂性很高。为此,使用深度对抗子空间聚类(DASC)网络进行高光谱的波段选择,并引入拉普拉斯正则化使网络更优,在保证分类精度的前提... 详细信息

高光谱图像(HSI)由数百个波段组成,波段之间的相关性强且具有较高的冗余度,导致出现维度灾难并且分类的复杂性很高。为此,使用深度对抗子空间聚类(DASC)网络进行高光谱的波段选择,并引入拉普拉斯正则化使网络更优,在保证分类精度的前提下降低分类的复杂度。该网络通过在编码器和解码器中引入自表达层来模仿传统子空间聚类的"自表达"属性,充分运用光谱信息和非线性特征转换得到波段之间的相互关系,解决传统波段选择方法无法同时考虑光谱和空间信息的问题。同时,引入对抗学习来监督自编码器的样本表示和子空间聚类,使得子空间聚类具有更好的自表达性能。为了使网络性能更优,加入拉普拉斯正则化来考虑反映图像几何信息的局部流形结构。实验在两个公开的高光谱数据集上进行,所提出的方法和几种主流的波段选择方法进行对比的结果表明,DASC方法在分类精度上优于对比方法,其选出的波段子集可以满足应用需求。

关键词：高光谱图像波段选择深度对抗子空间聚类拉普拉斯正则化深度学习