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47条)

显示结果1到20,共47个。
按年份排序(引用)
  1. 亨尼格,基督徒;维罗利,辛齐亚;Anderlucci,劳拉:基于分位数的聚类(2019)
  2. 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)
  3. 福普,迈克尔;Murphy,Thomas Brendan:基于模型聚类的变量选择方法(2018)
  4. 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)
  5. 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)
  6. 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)
  7. 阿里亚斯·卡斯特罗;濮,肖:稀疏聚类的一种简单方法(2017)
  8. 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)
  9. 弗洛里埃洛,戴维德;Vitelli,Valeria:功能数据稀疏聚类(2017)
  10. 盖纳,希拉;Bair,Eric:通过预加权稀疏聚类识别相关亚型(2017)
  11. 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)
  12. 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)
  13. 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)
  14. 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)
  15. 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)
  16. 王军;邓兆红;崔坤思;江宜章;罗晓青;钟福来;王世同:复合核空间软子空间聚类的距离度量学习(2016)
  17. 王艳红;方一欣;王俊辉:稀疏最优判别聚类(2016)
  18. 杨爱军;蒋学军;刘鹏飞;林金冠:高维数据分类的稀疏贝叶斯多项式概率回归模型(2016)
  19. 贝纳提,斯特凡诺;García,Sergio:基于变量选择的混合整数线性聚类模型(2014)
  20. 格雷拉,路易斯;干露酒馆;罗伯斯,维克托;Larrañaga,Pedro:基于半监督预测模型的聚类(2014)