基于启发式随机设计的单轮非自适应组测试与压缩感知缺陷精确识别方法
信息论
2021-12-24 v1 math.IT
应用统计
摘要
COVID-19 疫情爆发所揭示的挑战之一是，需要在保持检测可靠性的同时减少识别病毒携带者所需的检测次数以遏制病毒传播。为应对此问题，一种基于组测试与压缩感知方法（即 GTCS）的流行率检测范式被研究。在此设置下，设计一种非自适应组测试算法以排除确定阴性样本。然后，在缩减后的问题上，应用压缩感知算法来解码阳性样本，除为组测试阶段设计的初始测试矩阵外无需进一步检测。结果是一种用于识别阳性样本的单轮非自适应组测试-压缩感知算法。本文中，我们提出一种称为 随机行设计或 RRD 的启发式随机方法来构建测试设计。在 RRD 中，构造一个随机测试矩阵，使得每次测试最多将 个样本聚合在一个组测试或池中。池化测试被逐个启发式地选择，使得先前在同一测试中被选中的样本在新测试中较少可能被聚合在一起。我们在 GTCS 范式内针对若干 值检验了 RRD 设计的性能。实验在合成数据上进行。我们的结果表明，对于某些 值，在 GTCS 范式中应用 RRD 设计可实现检测次数最多降低 10 倍。
引用
@article{arxiv.2112.12500,
title = {Heuristic Random Designs for Exact Identification of Defectives Using Single Round Non-adaptive Group Testing and Compressed Sensing},
author = {Catherine A. Haddad-Zaaknoon},
journal= {arXiv preprint arXiv:2112.12500},
year = {2021}
}