2008 г.
Методы бикластеризации для анализа интернет-данных
Дмитрий Игнатов,
кафедра анализа данных и искусственного интеллекта ГУ-ВШЭ
Назад Содержание Вперёд
2.2. Алгоритм BiMax
В обзоре [13] проводится систематическое сравнение пяти алгоритмов бикластеризации с предложенным авторами методом BiMax. И хотя каждый из алгоритмов взятых для сравнения придерживается своей собственной вычислительной модели, авторы обзора используют их только для анализа 0/1 данных. Преобразование значений в исходных наборах данных генной экспрессии к бинарным происходит путем нормализации их логарифмов и последующей дискретизации.
2.2.1. Описание модели
Вычислительная модель предполагает, что существует только два возможных уровня генной экспрессии: изменение и отсутствие изменения для данного эксперимента. Множество из m экспериментов для n генов может быть представлено бинарной матрицей
, где ячейка
равна
, если ген
проявился для условия
, иначе 0.
Бикластер
соответствует подмножеству генов
,
которые проявились для всего подмножества условий
.
Другими словами, пара
определяет подматрицу E для которой все элементы равны 1. Отметим, что согласно такому определению каждая ячейка ,
имеющая значение 1, является бикластером. Однако такие кластеры тривиальны и не представляют особого интереса, поэтому мы рассматриваем только максимальные по вложению бикластеры, т.е. не содержащиеся ни в одном другом.
Отметим, что такие максимальные по вложению бикластеры довольно давно и хорошо исследованы с точки зрения алгебраической структуры в рамках ФАП. Это подтверждает следующее утверждение.
Предложение 2.1
Определение максимального по вложению бикластера 2.19 и определение формального понятия 2.12 эквивалентны.
Благодаря утверждению 2.1, для бикластеров, предложенных в этой вычислительной модели, можно построить иерархию по отношению покрытия, графически представляющую собой диаграмму решетки формальных понятий.
2.2.2. Описание алгоритма
Алгоритм BiMax следует стратегии "разделяй и властвуй". Первоначально алгоритм определяет области матрицы ,
содержащие только 0, и затем исключает их из дальнейшего рассмотрения. Эта стратегия особенно выигрышна при условии разреженных данных, получение которых из исходных наборов зависит от выбора порога отсечения. В экспериментах, представленных в статье [13], для всех наборов данных доля 1-значений не превышает 6%.
Идея, лежащая в основе алгоритма, состоит в следующем: исходная матрица
разбивается на три подматрицы, одна из которых содержит только нулевые значения и в дальнейшем не рассматривается. Затем алгоритм рекурсивно применяется к оставшимся двум подматрицам
и .
Рекурсия прекращается, если текущая матрица, представляющая собой бикластер, содержит только единицы.
Для обработки подматрицы
необходимы специальные операции, чтобы гарантировать максимальность по вложению бикластеров. Проблема возникает в том случае, если
содержит части бикластеров, найденных в ;
поэтому необходимо проводить проверку того, что алгоритм рассматривает только те бикластеры, которые расширяются в .
С этой целью вводится параметр ,
который содержит множества столбцов, ограничивающие число допустимых бикластеров. Бикластер
допустим, если
обладает одним или несколькими столбцами с каждым множеством столбцов
из
, т.е.
.
Алгоритм 2.2.1. BiMax(E)
2.3. Шумоустойчивые понятия
В связи с тем, что в исходных 0/1 данных, имеющих объектно-признаковую природу, могут присутствовать ошибочные значения (пропущенные объекты/признаки или напротив лишние) использование Формального Анализа Понятий приводит к увеличению количества формальных понятий. Чтобы избежать порождения таких нерелевантных понятий, необходимы новые типы структур, учитывающие шум такого рода. В качестве одной из таких структур в работе [19] предложено понятие плотного и релевантного бимножеств (DR-bi-set). Одно из свойств DR-бимножества, называющееся плотностью, состоит в том, что внутри подматрицы, образующей такое бимножество, допускается некоторое количество нулей. Формальное понятие является частным случаем DR-бимножества, для которого число нулевых элементов внутри подматрицы равно 0. Ниже будут рассмотрены основные определения и свойства DR-бимножеств, а также приведено описание алгоритма DR-miner.
2.3.1. Описание модели DR-бимножеств
Бимножеством будем называть пару ,
принадлежащую декартовому произведению
.
Частным случаем бимножеств являются формальные понятия. Приведем определения, которые помогут провести обобщение формальных понятий до бимножеств.
Определение 2.20
Обозначим через
число нулевых значений объекта
на признаках из
, т.е.
. Сходным образом через
определим число нулевых значений признака
y на объектах из
.
Теперь формальные понятия можно ввести с помощью леммы.
Лемма 2.1
Бимножество (X,Y) является формальным понятием контекста K тогда и только тогда, когда выполняются следующие условия:
или, аналогично |
(2.1) |
и |
(2.2) |
Отношение "быть более частным" (отношение "специализации") в модели вводится иначе, чем это принято для решеток понятий. А именно, требование антимонотонности для содержания понятия заменяется требованием монотонности.
Определение 2.21
Отношение "быть более частным" определяется следующим образом:
тогда и только тогда, когда
и
.
Ограничение
называется антимонотонным в смысле отношения
тогда и только тогда, когда
таких, что
.
Двойственным образом,
называется монотонным в смысле отношения
тогда и только тогда, когда
.
Заметим, что
означает, что бимножество
удовлетворяет ограничению
.
Ограничение на минимальный размер компонент бимножества выглядит следующим образом
. Такое ограничение монотонно по отношению
.
С помощью монотонного ограничения на допустимое число нулей, приходящихся на признак или объект, можно контролировать число нулей внутри бимножества, сохраняя при этом строгую связь между компонентами бимножества.
Определение 2.22
Пусть даны бимножество
и положительное целое число
, тогда
называется плотными тогда и только тогда, когда оно удовлетворяет антимонотонному ограничению
и
Необходимо извлекать такие бимножества
, для которых объекты
(соответственно, признаки )
имеют большую плотность единичных значений на признаках из
(соответственно на объектах из ),
чем на других признаках, т.е. на
(соответственно, на объектах
).
Такое требование приводит к ограничению релевантности, в котором параметр
выражает разность нулевых значений внутри и вне бимножеств.
Определение 2.23
Пусть даны бимножество
и положительное целое число
,
тогда
называется релевантным тогда и только тогда, когда оно удовлетворяет следующему ограничению:
и
Фактически, плотные и релевантные бимножества являются обобщением формальных понятий, которые можно рассматривать как бимножества при значениях
и .
— обобщение первого уравнения леммы 2.1 ,
обобщает второе уравнение этой леммы, означающее, что все внешние элементы по отношению к данному бимножеству содержат по крайней мере
нулевых значений в дополнение к уже имеющимся для каждого внутреннего элемента. Параметр
отвечает за плотность внутри бимножества, а параметр
показывает значимость разности с внешними элементами. Свойство
антимонотонно по отношению
и может быть использовано для эффективного отсечения. Свойство
не является ни монотонным, ни антимонотонным, но его также можно эффективно использовать.
Определение 2.24
Пусть дано плотное и релевантное бимножество
(т.е. удовлетворяющее
).
называется DR-бимножеством тогда и только тогда, когда оно максимально по отношению
,
т.е. не существует
такого, что
удовлетворяет
и
.
Множество всех таких пар контекста
при заданных
и
обозначается как
. Отметим, что для объектов и признаков можно ввести различные пороги
и
.
Назад Содержание Вперёд