预防卒中

R包sparcl:执行稀疏层次聚类和稀疏k均值聚类。实现了Witten和Tibshirani(2010)的稀疏聚类方法:“聚类中特征选择的框架”;发表于美国统计协会杂志105(490):713-726。


zbMATH中的参考文献(参考 48篇文章 48篇,1标准件)

显示结果1到20,共48个。
按年份排序(引用)
  1. Chakraborty,Saptarshi;Paul,Deborina;Das,Swagatam:最优运输的层次聚类(2020)
  2. Duan,Leo L.:潜在单纯形位置模型:具有不确定性量化的高维多视图聚类(2020)
  3. Kim,Youngseok;Gao,Chao:基于图结构稀疏性的贝叶斯模型选择(2020)
  4. Marbac,Matthieu;Sedki,Mohammed;Patin,Tienne:混合数据聚类的变量选择:在人类群体基因组学中的应用(2020)
  5. Sanna Passino,Francesco;Heard,Nicholas A.:随机块模型中潜在维度和社区的贝叶斯估计(2020年)
  6. 王文静;张欣;麦青:基于模型的包络聚类(2020)
  7. 布罗迪诺娃,萨尔卡;菲尔兹莫瑟,彼得;奥尔特纳,托马斯;布雷特内德,克里斯蒂安;罗姆,迈亚:高维数据的稳健和稀疏k-均值聚类(2019)
  8. Choi,Hosik;Lee,Seokho:二进制数据的凸聚类(2019)
  9. Crook,Oliver M.;Gatto,Laurent;Kirk,Paul D.W.:Dirichlet过程混合物中变量选择的快速近似推断,及其在泛癌蛋白质组学中的应用(2019)
  10. Galeano,Pedro;Peña,Daniel:数据科学、大数据和统计(2019)
  11. Guillon,Arthur;Lesot,Marie Jeanne;Marsala,Christophe:模糊子空间聚类的近端框架(2019)
  12. Lim,Yaeji;Oh,Hee-Seok;Cheung,Ying-Kuen:函数数据的多尺度聚类(2019)
  13. 亚型:2019年香溢、罗英玉,效果不详
  14. Marbac,Matthieu;Vandewalle,Vincent:可处理的多分区集群(2019)
  15. Chekouo,Thierry;Murua,Alejandro:用格子混合模型进行聚类的高维变量选择(2018)
  16. Fop,Michael;Murphy,Thomas Brendan:基于模型聚类的变量选择方法(2018)
  17. Galimberti,Giuliano;Manisi,Annamaria;Soffritti,Gabriele:基于模型的聚类分析中变量的作用建模(2018)
  18. Luca Scrucca;Adrian Raftery:clustvarsel:A Package Implementing Variable Selection for Gaussian Model Based Clustering in R(2018年)不是zbMATH
  19. Wallace,Meredith L.;Buysse,Daniel J.;Germain,Anne;Hall,Martica H.;Iyengar,Satish:倾斜模型聚类的变量选择:应用于新睡眠表型的识别(2018)
  20. Arias Castro,Ery;Pu,Xiao:稀疏聚类的简单方法(2017)