摇摆舞

联合和个体变异解释（JIVE）用于综合分析多种数据类型。现在有几个领域的研究需要对数据集进行分析，在这些数据集中，有多种高维类型的数据可用于一组共同的对象。特别是，癌症基因组图谱（TCGA）包含了来自多种不同基因组技术的数据，这些数据来自同一个癌症肿瘤样本。本文介绍了联合和个别变异解释（JIVE），这是一种对这类数据集进行综合分析的一般变异分解。分解包括三个项：捕获跨数据类型的联合变化的低秩近似，针对每个数据类型的结构化变化的低秩近似，以及残余噪声。JIVE量化了数据类型之间的联合变化量，降低了数据的维数，为节理和单个结构的可视化探索提供了新的方向。该方法是主成分分析的一个推广，与经典相关分析和偏最小二乘法等常用的两个分块方法相比，具有明显的优势。对胶质母细胞瘤多形性肿瘤样本的基因表达和miRNA数据的JIVE分析揭示了基因miRNA的相关性，并提供了更好的肿瘤类型特征。par数据和软件可从https://genome.unc.edu/jive/获得。

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12篇文章）

显示第1到第12个结果，共12个。
按年份排序(引用)

  1. Godichon Baggioni，Antoine；Maugis Rabusseau，Cathy；Rau，Andrea:多视图聚类和分裂，及其在多组分乳腺癌数据中的应用（2020）
  2. 舒，海；王，肖；朱洪图：基于分解的高维数据集典型相关分析（2020）
  3. Huang，Lei；Bai，Jiawei；Ivanescu，Andrada；Harris，Tamara；Maurer，Mathew；Green，Philip；Zipunnikov，Vadim:多水平矩阵变量分析及其在加速度计测得的临床人群中的应用（2019年）
  4. Marron，J.S.：讨论：“语言对象数据的空间建模方法：分析英国各地的方言语音变化”（2019年）
  5. Marron，J.S.：关于“数据科学、大数据和统计”（2019）的评论
  6. Wang，Miaoyan；Fischer，Jonathan；Song，Yun S.：使用半非负张量分解对多组织多个体基因表达数据进行三向聚类（2019）
  7. Aoshima，Makoto；Shen，Dan；Shen，Haipeng；Yata，Kazuyoshi；Zhou，Yi Hui；Marron，J.S.：高维低样本量渐近性调查（2018）
  8. 冯青；蒋美蕾；汉尼格，简；马龙，J.S.：基于角度的关节和个体变异解释（2018）
  9. Jung，Sungkyu：监督降维的连续统一体方向（2018）
  10. Li，Gen；Gaynanova，Irina:异构数据关联分析的通用框架（2018）
  11. Li，Gen；Yang，Dan；Nobel，Andrew B；Shen，Haipeng:监督奇异值分解及其渐近性质（2016）
  12. 多类型联合分析；Andrew marrdey，2013；Andrew marrdey，2013；综合数据分析