×
刘天奇;陆，余;朱碧清;赵宏宇

通过特征选择对高维数据进行聚类。 （英语） Zbl 1522.62184号

生物计量学 79，编号2，940-950（2023）.
摘要：高维聚类分析在统计学和机器学习中是一个具有挑战性的问题，具有广泛的应用，例如微阵列数据和RNA-seq数据的分析。在本文中，我们提出了一种新的聚类过程，称为带特征选择的谱聚类（SC-FS），其中我们首先通过谱聚类获得标签的初始估计，然后选择与这些标签平方最大的一小部分特征，即组标签解释的变差比例，并使用选定的特征再次进行聚类。在较温和的条件下，我们证明了该方法能够以较高的概率识别所有信息特征，并对稀疏高斯混合模型实现了最小最大的最佳聚类错误率。SC-FS在四个真实数据集上的应用证明了它在聚类高维数据方面的有用性。
{©2022国际生物识别学会。}

MSC公司：

62页第10页 统计学在生物学和医学中的应用；元分析

关键词：

特征选择;高维数据;光谱聚类

软件：

预防卒中;麦克卢斯特;数据微阵列;CLIFF公司;github
PDF格式BibTeX公司 XML格式引用
\textit{T.Liu}等人，《生物统计学》79，第2期，940--950（2023；Zbl 1522.62184）
全文： 内政部 arXiv公司

参考文献：

[1] Anandkumar，A.、Hsu，D.和Kakade，S.M.（2012）混合模型和隐马尔可夫模型的矩方法。在第25届学习理论年会上。JMLR:研讨会和会议记录，23，33.1-33.34
[2] Arthur，D.和Vassilvitskii，S.（2007）k‐意味着++：仔细播种的优势。第十八届ACM‐SIAM离散算法年会论文集。宾夕法尼亚州费城：工业和应用数学学会，第1027-1035页·兹比尔1302.68273
[3] Awasthi，P.和Sheffet，O.（2012），《聚类的改进谱范数界限》，收录于：Goemans，M.（编辑）、Jansen，K.（编辑），Rolim，J.D.P.（编）和Trevisan，L.（编辑。）近似、随机化和组合优化。算法和技术。柏林：施普林格出版社，第37-49页·Zbl 1358.68220号
[4] Balasubramanian，K.，Sriperumbudur，B.和Lebanon，G.（2013）通过RKHS嵌入进行超高维特征筛选。摘自：第16届国际人工智能与统计会议（AISTATS 2013），亚利桑那州斯科茨代尔。机器学习研究杂志，31，126-134。
[5] Cai，T.T.和Zhang，A.（2016）奇异子空间的速率最优扰动界及其在高维统计中的应用[Preprint]。arXiv:1605.00353。
[6] Chakraborty，S.，Paul，D.，Das，S.和Xu，J.（2020）熵加权幂k-均值聚类。在：国际人工智能与统计会议。机器学习研究论文集，108，691-701
[7] Chen，M.和Zhou，X.（2018）《毒蛇：单细胞RNA测序研究中精确基因表达恢复的保变异插补》。基因组生物学，19，1-15。
[8] Chormunge，S.和Jena，S.（2018）基于相关性的特征选择与高维数据的聚类。《电气系统与信息技术杂志》，第5542-549页。
[9] Dash，M.和Liu，H.（2000）《聚类的特征选择》。收录：Terano，T.（编辑）、Liu，H（编辑）和Chen，A.L.P.（编辑，编辑）《知识发现和数据挖掘》。当前问题和新应用，（亚太知识发现和数据挖掘会议，2000年）。计算机科学课堂讲稿，第1805卷。柏林：施普林格出版社，第110-121页。
[10] Dempster，A.P.、Laird，N.M.和Rubin，D.B.（1977）通过em算法从不完整数据中获得最大似然。英国皇家统计学会杂志。B系列（方法学），39，1‐22·Zbl 0364.62022号
[11] Duö，A.，Soneson，C.，Duó，M.A.，biocoviews SingleCellData，E.，ExperimentHub，I.和SingleCell Experiment，S.（2019）《2018年双聚类》包。
[12] Fan，J.和Lv，J.（2008）超高维特征空间的确定独立筛选。英国皇家统计学会杂志：B辑（统计方法），70849-911·Zbl 1411.62187号
[13] Fan，J.、Samworth，R.和Wu，Y.（2009）超高维特征选择：超越线性模型。机器学习研究杂志，2013-2038年10月·Zbl 1235.62089号
[14] Fern，X.Z.和Brodley，C.E.（2003）高维数据聚类的随机投影：聚类集成方法。《第20届机器学习国际会议论文集》（ICML-03），加利福尼亚州帕洛阿尔托：AAAI出版社，186-193年。
[15] Greene，D.和Cunningham，P.（2006）《内核文档聚类中对角优势问题的实用解决方案》，收录于《第23届机器学习国际会议论文集》（ICML'06）。纽约：ACM出版社，第377-384页。
[16] Guo，J.、Levina，E.、Michailidis，G.和Zhu，J.（2010）基于高维模型聚类的成对变量选择。生物统计学，66，793-804·Zbl 1203.62190号
[17] Hao，Y.、Hao，S.、Andersen‐Nissen，E.、MauckIII，W.M.、Zheng，S.和Butler，A.等人（2021）多模态单细胞数据的综合分析。细胞，184（13），3573‐3587.e29。
[18] Jin，J.，Wang，W.，et al.（2016）高维聚类的影响特征PCA。《统计年鉴》，442323-2359·Zbl 1359.62249号
[19] Kannan，R.和Vempala，S.（2009）谱算法。理论计算机科学基础与趋势，4157-288·Zbl 1191.68852号
[20] Kriegel，H.‐P。，Kröger，P.和Zimek，A.（2009）《高维数据聚类：子空间聚类、基于模式的聚类和相关聚类的调查》。《ACM数据知识发现交易》（TKDD），第3期，第1-58页。
[21] Krishnamurthy，A.（2011）稀疏高斯混合模型的高维聚类[未发表论文]。卡内基·梅隆大学。
[22] Kumar，A.和Kannan，R.（2010）用谱范数和k‐means算法进行聚类。2010年IEEE第51届计算机科学基础年会（FOCS）。新泽西州皮斯卡塔韦：IEEE出版社，第299-308页。
[23] Kumar，A.和Sabharwal，Y.（2004）一种用于任何维度上的k均值聚类的简单线性时间（1+ε）近似算法。
[24] Lee，D.‐H。（2013）伪标签：用于深度神经网络的简单高效的半监督学习方法。收录于：ICML2013:表征学习挑战研讨会，第3卷。
[25] Lei，J.和Rinaldo，A.（2013）稀疏随机块模型中谱聚类的一致性【预印本】。arxiv:1312.2050。
[26] Lindsay，B.G.和Basak，P.（1993）多元正态混合：快速一致的矩方法。美国统计协会杂志，88，468-476·Zbl 0773.62037号
[27] Liu，T.、Lee，K.Y。和Zhao，H.（2016）通过核典型相关分析进行超高维特征选择【预印本】。arXiv：1604.07354。
[28] Liu，T.，Yuan，M.和Zhao，H.（2022）通过低阶张量分解表征人脑时空转录组。生物科学统计。提前在线发布。https://doi.org/10.1007/s12561‐021‐09331‐5 ·doi:10.1007/s12561‐021‐09331‐5
[29] Lloyd，S.（1982）PCM中的最小二乘量化。IEEE信息理论汇刊，28129-137·Zbl 0504.94015号
[30] Lu，Y.和Zhou，H.H.（2016）劳埃德算法及其变体的统计和计算保证【预印本】。arXiv:1612.02099。
[31] MacQueen，J.（1967）多元观测分类和分析的一些方法。摘自：加州奥克兰第五届伯克利数理统计与概率研讨会论文集，第1卷。加州伯克利：加利福尼亚大学出版社，第281-297页·兹比尔0214.46201
[32] Pan，W.和Shen，X.（2007）基于惩罚模型的聚类及其在变量选择中的应用。机器学习研究杂志，81145-1164·Zbl 1222.68279号
[33] Patel，A.P.、Tirosh，I.、Trombetta，J.J.、Shalek，A.K.、Gillespie，S.M.、Wakimoto，H.等（2014）单细胞RNA‐seq强调了原发性胶质母细胞瘤的瘤内异质性。科学，3441396-1401。
[34] Ramey，J.（2016）数据微阵列：分类数据集的收集。网址：https://github.com/ramhiser/datamicroray。
[35] Rohe，K.、Chatterjee，S.和Yu，B.（2011）谱聚类和高维随机块模型。《统计年鉴》，39（4），1878-1915年·Zbl 1227.62042号
[36] Scrucca，L.、Fop，M.、Murphy，T.B.和Raftery，A.E.（2016）mclust 5:使用高斯有限混合模型进行聚类、分类和密度估计。R杂志，8289。
[37] Song，Q.，Ni，J.和Wang，G.（2011）一种用于高维数据的基于聚类的快速特征子集选择算法。IEEE知识与数据工程汇刊，25，1-14。
[38] Su，K.，Yu，T.和Wu，H.（2021）精确的特征选择改善单细胞RNA-seq细胞聚类。生物信息学简报，22（5），bbab034。
[39] Vershynin，R.（2010）随机矩阵的非渐近分析简介[预印本]。arXiv:1011.3027。
[40] Wainwright，M.J.（2009）高维和噪声稀疏恢复的尖锐阈值ℓ_1约束二次规划（Lasso）。IEEE信息理论汇刊，552183-2202·Zbl 1367.62220号
[41] Witten，D.M.和Tibshirani，R.（2012）《聚类中特征选择的框架》，《美国统计协会杂志》，105（490），713-726·Zbl 1392.62194号
[42] Wu，C.，Kwon，S.，Shen，X.和Pan，W.（2016）基于惩罚回归的聚类的新算法和理论。机器学习研究杂志，17，1-25·兹比尔1392.68371
[43] Xing，E.P.和Karp，R.M.（2001）Cliff：通过使用归一化切割的迭代特征过滤对高维微阵列数据进行聚类。生物信息学，17，S306-S315。
[44] Zamanighomi，M.，Lin，Z.，Daley，T.，Chen，X.，Duren，Z..，Schep，A.等人（2018）《单细胞的无监督聚类和表观遗传分类》。《自然通讯》，9，1-8。
[45] Zeisel，A.、Muñoz‐Manchado，A.B.、Codeluppi，S.、Lönnerberg，P.、La Manno，G.、Juréus，A.等（2015）单细胞Rna‐seq揭示的小鼠皮层和海马的细胞类型。科学，3471138-1142。
[46] Zhang，X.，Zhao，J.和LeCun，Y.（2015）文本分类的字符级卷积网络。神经信息处理系统进展，28649-657。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。