高级船员

微阵列数据的奇异值分解分析。。分组方法和置信度的算法可以在一个叫做SVD微阵列分析（SVDMAN）的软件应用程序中获得。除了计算用于泛型分析的SVD外，SVDMAN还为使用微阵列数据开发基因关联假设提供了一种新的方法，并提供了对假设的置信度度量，从而扩展了当前在全球基因表达分析领域的SVD研究。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换

zbMATH参考文献（参考 8篇文章 参考）

显示第1到第8个结果，共8个。
按年份排序(引用)

  1. Bigot，Jérémie；Deledale，Charles；Féral，Delphine:低秩矩阵去噪中奇异值最优收缩的广义确定（2017）
  2. Shabalin，Andrey A.；Nobel，Andrew B.：高斯噪声存在下低秩矩阵的重构（2013）
  3. 张文生；Edwards，Andrea；Fan，Wei；Zhu，Dongxiao；Zhang，Kun:Svdppcs：一种有效的基于奇异值分解的保守和发散共表达基因模块识别方法（2010）ioport公司
  4. 朱东晓：从全基因组数据预测低变异生物途径的半监督基因剃须法（2009）ioport公司
  5. Fujibuchi，Wataru；Kato，Tsuyoshi:用最大熵核对异质微阵列数据进行分类（2007）ioport公司
  6. 吴海燕；袁明；Kaech，Susan M.；Halloran，M.Elizabeth:记忆CD8 T细胞分化的统计分析：一个分层状态空间模型在短时程微阵列实验中的应用（2007）
  7. Vandebril，Raf；Van Barel，Marc；Mastronardi，Nicola:通过半可分矩阵计算奇异值的QR方法（2004）
  8. Simek，Krzysztof；Kimmel，Marek:基于奇异值分解的多基因表达动力学估计的注记（2003）