Research on gene expression clustering has long been of interest to many researchers. Gene-related data are usually high-dimensional, meaning that the number of variables exceeds the number of observations. Clustering such data in conventional ways poses particular challenges. To deal with such problems, a new approach that has attracted the attention of countless researchers is the random projection method. This approach uses a mixed Gaussian model, but a special algorithm is used to accurately select these projections. In the present paper, the performance of this method has been studied from both theoretical and practical perspectives and its superiority over the analysis of real data related to the grouping of leukemia 12 patients has been shown.
کليدواژه ها
High-dimensional Data، Random Projection، Gaussian Mixed Model، Gene Expression Data.
کد مقاله / لینک ثابت به این مقاله
برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است :
نحوه استناد به مقاله
در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
صدیقه نورانی پیله رود , 1400 , کشف و دسته‌بندی ژن‌های موثر براساس روش تصویر تصادفی , نخستین همایش بین المللی و سومین همایش ملی ریاضیات زیستی
