李 蓉，任喜梅，钟春晓，王锦丽

(华东交通大学理工学院，江西 南昌 330100)

1 引言

癌症由多阶段的多基因共同参与而生成、发展，并与基因变化有着紧密联系，癌症的发生、促进、发展以及转移，大部分都跟原癌基因[1]活化、抑癌基因[2]失活等基因突变密切相关。具有挖掘隐含生物学信息功能的微阵列数据，可以依据基因间的性能模块中已知基因预测未知基因，但因其维数较高，存在较少数量与癌症相关的基因。高维随机矩阵理论(Random Matrix Theory，RMT)通过对比随机的高维、多维序列属性特征，发现实际数据与随机因素之间的偏离程度，提取数据内的总体相关行为特征。

为此，本文将高维随机矩阵与癌症基因融合，提出一种癌症基因网络识别方法，将系数矩阵右边增加一列，扩增随机矩阵，提升随机矩阵特征拟合度；通过规范化、中心化以及标准化随机矩阵，提升矩阵适用性能；以互信息作为度量标准，依据各随机矩阵奇异值矢量与初始特征奇异值矢量的差值，优化特征选择；利用癌症基因表达矩阵特征根的最近邻间隔分布与高斯正态分布、泊松分布的标准误差比值计算，增加有效信息的保留数量，增强噪声滤除性能。

2 高维随机矩阵下癌症微阵列数据预处理

2.1 高维随机矩阵构建

将维度较高的随机变量作为矩阵组成元素，即可构成高维随机矩阵，依据随机矩阵理论含义，设定某一高维随机矩阵为M，表达式如下所示

(1)

(2)

式中，随机矩阵M的极大、极小特征值分别……