买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：曲阜师范大学

摘要：本发明属于单细胞RNA测序技术的技术领域，涉及数据挖掘、人工智能、算法优化、单细胞多组学领域，特别涉及一种提高单细胞多视图聚类精度的方法：包括以下步骤：计算取得多视图数据{Vm}；应用k近邻构建多视角相似性图{Sm}；通过将不同视图进行加权得到带权图：优化{Sm}、w、U；根据{Sm}构建H；优化结构图A并进行归一化；融合带权图和结构图，并利用构造对称归一化矩阵T；通过归一化拉普拉斯矩阵L和对特征向量F应用k‑means算法，最后数据点被分成了c个不同细胞类型的簇。本专利的优点在于通过多种技术提升了单细胞聚类的精度。

主权项：1.一种提高单细胞多视图聚类精度的方法，其特征在于包括以下步骤：S01：输入一组数据点，计算细胞和细胞的相似性信息，从单一的单细胞数据生成多视图数据，应用核函数生成多视图数据{Vm}，具体如下公式所示： 得到由，和组成的多视图数据{Vm}；m表示视图数量，T表示x和y之间的转置；S02：应用k近邻构建多视角相似性图{Sm}，通过计算样本之间的距离来确定它们之间的相似性连接关系，具体如下公式所示： 其中，k是邻居数；S03：通过将不同视图进行加权得到带权图：首先初始化构建每个视图的权重wmwm=1m，通过{Sm}和w得到初始化的带权图U，以及初始化F1，具体如下公式所示： 其中U是{Sm}的平均相似性矩阵，求解以下公式获得F1： ；所述的F1是对应U进行特征分解后得到的特征向量；S04：优化{Sm}、w、U，具体如下公式所示： ；S05：根据{Sm}构建H：具体的H构建如下公式所示： 根据H学习一致性结构图A，具体的A的构建如下公式所示： 其中和是权重因子；F2是对应A进行特征分解后得到的特征向量；S06：优化结构图A并进行归一化：使用以下公式生成多视图结构图H， 根据H学习出一个相似矩阵A，A是对应学习出来的结构图；目标函数如下： 其中和是权重因子；在优化A之前，需要先通过S得到H，得到H后通过应用目标函数得到A，然后再进行如下的优化过程。（1）固定F2，更新A，所以目标函数变成 系统将根据如下公式来迭代学习出图A： 更新Aj后归一化A使用如下公式： （2）固定A，更新F2，具体如下公式： 最优的F2由A的拉普拉斯矩阵前c个最小的特征值的特征向量排列而成，最后，得到优化的结构图；c为聚类数；S07：融合带权图和结构图，并利用构造对称归一化矩阵T，具体如下公式所示： S08：应用谱聚类：通过归一化拉普拉斯矩阵L和对特征向量F应用k-means算法，最后数据点被分成了c个不同细胞类型的簇。

全文数据：

权利要求：

百度查询： 曲阜师范大学 一种提高单细胞多视图聚类精度的方法