×
李美熙;沈海鹏;黄建华Z。;马龙，J.S。

通过稀疏奇异值分解进行双聚类。 （英语） Zbl 1233.62182号

生物计量学 66，第4期，1087-1095（2010）.
摘要：稀疏奇异值分解（SSVD）是一种新的探索性分析工具，用于双聚类或识别高维数据矩阵中可解释的行-列关联。SSVD寻求数据矩阵的低秩棋盘结构矩阵近似。所需的棋盘结构是通过强制左侧和右侧的向量稀疏来实现的，即具有多个零项。通过将奇异向量解释为某些线性回归的回归系数向量，对最小二乘回归施加稀疏诱导正则化惩罚，以生成稀疏奇异向量。提出了一种计算稀疏奇异向量的高效迭代算法，并对惩罚参数的选择进行了讨论。使用肺癌微阵列和食物营养数据集说明SSVD是一种双聚类方法。利用模拟数据集，将SSVD与现有的一些双聚类方法进行了比较。

引用于1审查
引用于36文件

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
62H30型 分类和区分；聚类分析（统计方面）
65C60个 统计中的计算问题（MSC2010）
62J05型 线性回归；混合模型
92 C50 医疗应用（通用）

关键词：

自适应套索;尺寸缩减;高维低样本量;惩罚;主成分分析

软件：

LAS公司;奥斯卡
PDF格式BibTeX公司 XML格式引用
\textit{M.Lee}等人，《生物统计学》66，第4期，1087--1095（2010；Zbl 1233.62182）
全文： 内政部

参考文献：

[1] Asgarian，使用秩-1双聚类对微阵列数据进行分类（2008年）
[2] Bondell，同步回归收缩、变量选择和OSCAR预测因子的监督聚类，生物计量学64页115–（2008）·Zbl 1146.62051号 ·doi:10.1111/j.1541-0420.2007.00843.x
[3] Breiman，使用非负garote进行更好的子集回归，Technometrics 37 pp 373–（1995）·Zbl 0862.62059号 ·doi:10.2307/1269730
[4] Busygin，通过分数0-1编程实现一致双聚类的特征选择，《组合优化杂志》10 pp 7–（2005）·Zbl 1123.90073 ·doi:10.1007/s10878-005-1856-y
[5] Busygin，《数据挖掘中的分歧》，《计算机与运营研究》，35页，2964页–（2008）·Zbl 1144.68309号 ·doi:10.1016/j.cor.2007.01.005
[6] Dhillon，I.S.Mallela，S.Modha，D.S.2003第九届ACM SIGKDD知识发现和数据挖掘国际会议信息论联合聚类会议论文集89 98 Springer
[7] Eckart，《一个矩阵与另一个低阶矩阵的近似》，《心理测量学》1第211页–（1936）·JFM 62.1075.02标准 ·doi:10.1007/BF02288367
[8] Fan，通过非一致惩罚似然进行变量选择及其预言属性，《美国统计协会杂志》96页1348–（2001）·Zbl 1073.62547号 ·doi:10.1198/016214501753382273
[9] Jolliffe，主成分分析（2002）
[10] Jolliffe，基于套索的改进主成分技术，《计算与图形统计杂志》，12页，531–（2003）·doi:10.1198/1061860032148
[11] Kluger，微阵列数据的光谱双聚类：共聚类基因和条件，基因组研究13第703页–（2003）·doi:10.101克/克648603
[12] Lazzeroni，基因表达数据的格子模型，Statistica Sinica 12 pp 61–（2002）·Zbl 1004.62084号
[13] Leng，《关于一般自适应稀疏主成分分析》，《计算与图形统计杂志》，第18页，201–（2009）·doi:10.1198/jcgs.2009.0012
[14] Liu，高维低样本数据聚类的统计意义，《美国统计协会杂志》103 pp 1281–（2008）·Zbl 1205.62079号 ·doi:10.1198/0162145000000454
[15] Madeira，《生物数据分析的双聚类算法：调查》，IEEE计算生物学和生物信息学汇刊1，第24页–（2004）·Zbl 05103330号 ·doi:10.1109/TCBB.2004.2
[16] Schwarz，估算模型的维度，《统计年鉴》第6卷第461页–（1978年）·Zbl 0379.62005年 ·doi:10.1214/aos/1176344136
[17] Shabalin，《在高维数据中发现大平均子矩阵》，《应用统计年鉴》第3卷，第985页–（2009年）·Zbl 1196.62087号 ·doi:10.1214/09-AOAS239
[18] 沈，通过正则化低秩矩阵近似进行稀疏主成分分析，《多元分析杂志》99 pp 1015–（2008）·兹比尔1141.62049 ·doi:10.1016/j.jmva.2007.06.007
[19] Tibshirani，通过套索进行回归收缩和选择，《皇家统计学会杂志》，B辑58，第267页–（1996）·Zbl 0850.62538号
[20] Wang，回归系数和自回归阶数收缩与套索选择，英国皇家统计学会期刊，B辑69，第63页–（2007）·文件编号：10.1111/j.1467-9868.2007.00577.x
[21] Wang，基于模型的高维聚类变量选择及其在微阵列数据中的应用，《生物计量学》64，第440页–（2008）·Zbl 1137.62041号 ·文件编号：10.1111/j.1541-0420.2007.00922.x
[22] Yang，基于奇异值分解的微阵列数据双聚类，知识发现和数据挖掘中的新兴技术第194页–（2007）·Zbl 05269648号 ·doi:10.1007/978-3-540-77018-3_21
[23] Zhang，Adaptive-lasso for Cox比例风险模型，Biometrika 94 pp 691–（2007）·Zbl 1135.62083号 ·doi:10.1093/biomet/asm037
[24] 邹，《自适应套索及其预言属性》，《美国统计协会期刊》第101页第1418页–（2006）·Zbl 1171.62326号 ·doi:10.1198/016214500000735
[25] 邹，通过弹性网进行正则化和变量选择，《皇家统计学会杂志》，B辑67第301页–（2005）·Zbl 1069.62054号 ·doi:10.1111/j.1467-9868.2005.00503.x
[26] 邹，稀疏主成分分析，《计算与图形统计杂志》，15页，265–（2006）·doi:10.1198/106186006X113430
[27] 邹，《关于套索的“自由度”》，《统计年鉴》第35卷第2173页–（2007年）·Zbl 1126.62061号 ·doi:10.1214/009053600700000127
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。