TY -的A2,魏盟——刘,剑盟- Cheng Yuhu AU - Wang Xuesong盟——通用电气,曙光PY - 2021 DA - 2021/12/08 TI -一步坚实的低秩子空间分割肿瘤样本聚类SP - 9990297六世- 2021 AB -聚类肿瘤样本可以帮助识别癌症的类型和发现新的癌症亚型,这对于有效的癌症治疗是至关重要的。尽管许多传统的聚类方法已经提出了肿瘤样本聚类,先进的算法有更好的性能仍然是需要的。低秩子空间聚类是近年来流行的算法。在本文中,我们提出一个新颖的一步健壮的低秩子空间分割方法(ORLRS)聚类肿瘤样本。基因表达数据集,我们寻求最低等级表示矩阵和噪声矩阵。通过离散约束的低秩矩阵,如果没有进行谱聚类,ORLRS学习直接的集群特征子空间,即在一个步骤,执行聚类任务。改善方法的鲁棒性,采用限制规范消除极端数据异常值噪声矩阵。此外,我们进行高效的ORLRS解决方案来解决这个问题。几个肿瘤基因表达数据实验证明ORLRS的有效性。SN - 1687 - 5265 UR - https://doi.org/10.1155/2021/9990297 - 10.1155 / 2021/9990297摩根富林明计算智力和神经科学PB - Hindawi KW - ER