COSA公司

在属性子集上聚类对象。提出了一种新的属性值数据聚类方法。当与传统的基于距离的聚类算法结合使用时,此过程鼓励这些算法自动检测对象的子组,这些子组优先聚集在属性变量的子集上,而不是同时聚集在所有属性变量上。每个单独簇的相关属性子集可以不同,并且与其他簇的属性子集部分(或完全)重叠。讨论了在小变量子集上提高检测特别是低基数群聚类的灵敏度的增强。介绍了在不同领域的应用,包括基因表达阵列。


zbMATH中的参考文献(参考文献52条)

显示第1到第20个结果,共52个。
按年份排序(引用)
  1. de A.T.de Carvalho,旧金山;巴尔扎内拉,安东尼奥;安东尼奥,爱尔兰人;Verde,Rosanna:自动可变权重分布数据的协同聚类算法(2021)
  2. 嘟嘟,武进;Kim,Heeyeng:通过有限混合的混合方法聚类高维数据的贝叶斯变量选择(2021)
  3. 莫兰,杰玛E。;罗奇科娃,维罗尼卡;乔治,爱德华一世:钉板套索双集群(2021)
  4. 张文;王强;吉田,武东;李健:RP-LGMC:基于矩阵聚类的局部和全局信息的评级预测(2021)
  5. 亨尼格,基督徒;维罗利,辛齐亚;Anderlucci,劳拉:基于分位数的聚类(2019)
  6. 元,北碚;小母牛,威廉;De Rooij,Mark:(\delta)-机器:基于与原型之间距离的分类(2019年)
  7. 阿米里,赛义德;克拉克,伯特兰S。;Clarke,Jennifer L.:通过组合不同矩阵对分类数据进行聚类(2018)
  8. 福普,迈克尔;Murphy,Thomas Brendan:基于模型聚类的变量选择方法(2018)
  9. 加利姆贝蒂,朱利亚诺;玛尼西,安娜玛丽亚;Soffritti,Gabriele:基于模型的聚类分析中变量的作用建模(2018)
  10. 杰克逊,阿德里安;坎波巴索,塞尔吉奥;Drofelnik,Jernej:负载平衡和并行I/O:优化大型模拟的COSA(2018)
  11. 塞普尔韦达,E。;道德,P.A。;徐,C.:空间校正模糊聚类及其在地球冶金领域的应用(2018)
  12. 阿里亚斯·卡斯特罗;濮,肖:稀疏聚类的一种简单方法(2017)
  13. 班纳吉,特拉巴克;慕克吉,古拉布;Radchenko,Peter:大规模聚类分析中的特征筛选(2017)
  14. 弗洛里埃洛,戴维德;Vitelli,Valeria:功能数据稀疏聚类(2017)
  15. 盖纳,希拉;Bair,Eric:通过预加权稀疏聚类识别相关亚型(2017)
  16. 马尔滕市坎佩特。;梅尔曼,杰奎琳J。;Friedman,Jerome H.:rCOSA:用于在属性子集上聚类对象的软件包(2017)
  17. 马尔巴克,马修;Sedki,Mohammed:使用综合完全数据似然法进行基于模型聚类的变量选择(2017)
  18. 麦卡托,丹尼尔B。;卢布克,吉塔·H。;Bergeman,C.S.:扩展的多元距离矩阵回归与检验统计量的渐近零分布(2017)
  19. 邓兆红;崔坤思;江宜章;王军;王世同:软子空间聚类研究综述(2016)
  20. 福斯,亚历克斯;马卡图,马里安蒂;雷,邦妮;赫钦,艾莉莎:混合数据聚类的半参数方法(2016)