平滑l0范数约束的β-NMF及其在聚类中的应用

摘要

针对基因表达数据噪声大、冗余性较高,传统的NMF算法在基因表达数据聚类中的低效性问题,提出了一种平滑的l0范数约束的β散度的矩阵分解与K-means相结合的聚类算法,应用到基因表达数据当中;将平滑的l0范数约束引入到基于β散度的矩阵分解的目标函数中,从而提取有用特征信息用于聚类;最后通过实验比较,改进的算法平均聚类精度达到70％,比传统的NMF聚类算法精度提高了11％,聚类效果相较其他方法显著.