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参考文献(47篇文章引用)

显示结果1到20,共47个。
按年份排序(引用)
  1. Hennig,Christian;Viroli,Cinzia;Anderlucci,Laura:基于分位数的聚类(2019)
  2. Yuan,Beibei;Heiser,Willem;De Rooij,Mark:The(\delta)-机器:基于与原型之间距离的分类(2019)
  3. Fop,Michael;Murphy,Thomas Brendan:基于模型聚类的变量选择方法(2018)
  4. Galimberti,Giuliano;Manisi,Annamaria;Soffritti,Gabriele:基于模型的聚类分析中变量的作用建模(2018)
  5. Jackson,Adrian;Campobaso,M.Sergio;Drofelnik,Jernej:负载平衡和并行I/O:优化大型模拟的COSA(2018)
  6. Sepúlveda,E.;Dowd,P.A.;Xu,C.:带空间校正的模糊聚类及其在地质冶金领域的应用(2018)
  7. 肖卡斯特罗(2017)稀疏聚类法
  8. Banerjee,Trambak;Mukherjee,Gourab;Radchenko,Peter:大规模聚类分析中的特征筛选(2017)
  9. Floriello,Davide;Vitelli,Valeria:稀疏聚类功能数据(2017)
  10. Gaynor,Sheila;Bair,Eric:通过预加权稀疏聚类识别相关亚型(2017)
  11. Kampert,Maarten M.;Meulman,Jacqueline J.;Friedman,Jerome H.:rCOSA:用于在属性子集上聚类对象的软件包(2017年)
  12. Marbac,Matthieu;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. McArtor,Daniel B.;Lubke,Gitta H.;Bergeman,C.S.:扩展多变量距离矩阵回归和检验统计量的渐近零分布(2017)
  14. 邓兆红;崔,库斯;蒋宜章;王军;王世同:软子空间聚类研究(2016)
  15. Foss,Alex;Markatou,Marianthi;Ray,Bonnie;Heching,Aliza:用于聚类混合数据的半参数方法(2016)
  16. Wang,Jun;Deng,Zhaohong;Choi,Kup Sze;Jiang,Yizhang;Luo,Xiaoqing;Chung,Fu Lai;Wang,Shitong: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. Benati,Stefano;García,Sergio:变量选择聚类的混合整数线性模型(2014)
  20. Guerra,Luis;Bielza,Concha;Robles,Víctor;Larrañaga,Pedro:基于半监督预测模型的聚类(2014)