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。


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)