基于鉴别主成份分析的基因表达数据特征提取

• 作 者: 廖海斌 徐洪章
• 机 构: 武汉大学电子信息学院,黄淮学院计算机科学系
• 出 处: 燕山大学学报
• 发表日期: 2010年05期
• 关键词: 主成份分析 线性判别分析 子空间 基因表达数据 PCA LDA subspace gene expression data
• 基金项目: 国家自然科学基金资助项目（20875073）,郑州市重大攻关项目（072SGZS38042）

针对高维小样本数据特征提取问题,通过融合主成份分析(PCA)和线性判别分析(LDA),提出一种鉴别主成份分析方法。通过对PCA主成份进行单个线性判别,选择主要反应类间差异的主成份来构造特征空间。对yeast和NCI基因表达数据的实验结果表明:该方法在降维的同时能获得较好的判别特征,且能避免线性判别分析方法的奇异性。在子空间的聚类识别率相比PCA提高了20%以上,且具有较好的可视化效果,说明了用该方法对高维小样本数据进行特征提取的有效性。