非负矩阵分解算法及其在生物信息学中的应用研究

doi:10.3969/j.issn.1007130X.2010.

J4 ›› 2010, Vol. 32 ›› Issue (8): 117-123.doi: 10.3969/j.issn.1007130X.2010.

非负矩阵分解算法及其在生物信息学中的应用研究

石金龙,骆志刚

（国防科学技术大学计算机学院，湖南长沙 410073）

收稿日期:2009-06-10 修回日期:2009-09-21 出版日期:2010-07-25 发布日期:2010-07-28
作者简介:石金龙(1980)，男，河南唐河人，博士生，研究方向为生物信息学；骆志刚，教授，博士生导师，研究方向为并行计算、生物信息学等。
基金资助:
国家自然科学基金资助项目（60673018）；国家863计划资助项目（2007AA01Z106 ）

Research on the Advances of Nonnegative Matrix Factorization and Its Application in Bioinformatics

SHI Jinlong,LUO Zhigang

(School of Computer Scinece,National University of Defense Technology,Changsha 410073，China)

Received:2009-06-10 Revised:2009-09-21 Online:2010-07-25 Published:2010-07-28

摘要/Abstract

摘要：

非负矩阵分解是近年来快速发展的一类机器学习算法，能够实现对高维数据的维度规约及局部特征提取，在诸多生物信息问题的分析与处理中得到了广泛应用，并衍生出一系列实用算法。本文系统分析了非负矩阵分解的数学理论基础及其特有的局部表达属性，综述了标准非负矩阵分解与各种衍生算法的发展历程及算法初始化与参数选取方法的研究进展，并从序列特征分析、表达模式与功能模块识别、生物医学文献挖掘等几个方面总结了非负矩阵分解算法在生物信息学领域的应用成果。最后，指出了非负矩阵分解算法研究及其应用于生物信息处理所面临的问题，分析和预测了可能的发展方向。

关键词: 非负矩阵分解, 生物信息学, 局部特征

Abstract:

Nonnegative Matrix Factorization (NMF) is a rapidly developing partsbased machine learning algorithm, which can be used as a tool of dimensionality reduction and can identify the local features for highdimensional data. NMF has a broad application in the analysis and interpretation of biological data, and a number of practical algorithms have been derived from it. This paper systematically analyzes the mathematical foundation of NMF and its advantages for the representation of local features, and surveys the advances of different varieties, initialization and parameter selection for the NMF algorithm. Also, its application in bioinformatics is reviewed and classified into several categories. Finally, the future directions of the NMF research and application are analyzed and predicted.

Key words: nonnegative matrix factorization;bioinformatics;local feature

石金龙,骆志刚. 非负矩阵分解算法及其在生物信息学中的应用研究[J]. J4, 2010, 32(8): 117-123.

SHI Jinlong,LUO Zhigang. Research on the Advances of Nonnegative Matrix Factorization and Its Application in Bioinformatics[J]. J4, 2010, 32(8): 117-123.

[1]	李沛桢, 张洋, 陈文波. 基于DPCT的序列比对软件迁移与性能评估[J]. 计算机工程与科学, 2024, 46(08): 1372-1380.
[2]	潘雨青, 于浩, 李峰. 基于加权非负矩阵分解的异常声音检测方法研究[J]. 计算机工程与科学, 2024, 46(08): 1425-1432.
[3]	贾俊杰, 姚叶旺, 陈旺虎. 基于非负矩阵分解的群组推荐算法[J]. 计算机工程与科学, 2022, 44(05): 933-943.
[4]	赵应丁, 岳星宇, 杨文姬, 张吉昊, 杨红云, . 基于多特征融合卷积神经网络的显著性检测[J]. 计算机工程与科学, 2021, 43(04): 729-737.
[5]	宋明虎，余正涛，高盛祥，李铚，沈韬. 融合语音情感词局部特征的语音情感识别方法[J]. 计算机工程与科学, 2017, 39(01): 194-198.
[6]	叶立仁，何盛鸿，赵连超. 复杂环境下的遗留物检测算法[J]. J4, 2015, 37(05): 986-992.
[7]	任重鲁，李金明. 非负矩阵分解在微阵列数据分类和聚类发现中的应用[J]. J4, 2014, 36(07): 1389-1397.
[8]	潘玮华，陈波，徐云. 一种基于聚类的大规模单体分型算法[J]. J4, 2013, 35(11): 27-33.
[9]	菅晓东1,李扬1,冯景华1,孟祥飞1,朱小谦1，2. “天河一号”在生命科学研究中的应用[J]. J4, 2012, 34(8): 171-175.
[10]	孟勃1，曲朝阳1，毛雯蓓2，郭晓利1. 遮挡情况下目标局部特征在跟踪算法中的应用[J]. J4, 2012, 34(4): 57-60.
[11]	金圣华,刘金岭. 基于核苷酸序列的探针水平数据分析[J]. J4, 2012, 34(11): 186-189.
[12]	夏〓飞，窦〓勇，雷国庆. 基于FPGA的非编码RNA基因检测算法加速器研究[J]. J4, 2011, 33(12): 153-158.
[13]	刘毅. 一种图像局部特征的语义提取方法[J]. J4, 2010, 32(6): 61-64.
[14]	晁永国. 一种改进的非负稀疏编码图像编码方案[J]. J4, 2010, 32(10): 66-68.
[15]	李锦钟诚卿海军. 基于分群策略的机群系统上Motif发现并行算法[J]. J4, 2008, 30(11): 126-128.

非负矩阵分解算法及其在生物信息学中的应用研究

Research on the Advances of Nonnegative Matrix Factorization and Its Application in Bioinformatics

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价