×
王文佳;周一辉

基于特征向量的稀疏典型相关分析：用于估计多个典型向量的快速计算。 （英语） Zbl 1476.62117号

《多元分析杂志》。 185，文章ID 104781，18 p.（2021）.
总结：经典典型相关分析（CCA）要求矩阵是低维的，即特征的数量不能超过样本大小。CCA的最新发展主要集中在高维设置上，分析中的两个矩阵中的特征数量大大超过了样本量。这些方法对需要迭代求解的优化问题施加惩罚，并按顺序估计多个规范向量。在这项工作中，我们提供了稀疏多元回归与稀疏典型相关分析之间的明确联系，以及可以同时而不是顺序估计多个典型对的有效算法。此外，该算法自然允许并行计算。这些特性使算法非常有效。我们提供了关于正则对一致性的理论结果。该算法和理论发展是基于解决特征向量问题，这使我们的方法与现有方法显著不同。仿真结果支持该方法的改进性能。我们将基于特征向量的CCA应用于GTEx甲状腺组织学图像分析、SNP和RNA-seq基因表达数据分析以及微生物组研究。实际数据分析还显示，与传统的稀疏CCA相比，性能有所提高。

MSC公司：

62H20个 关联度量（相关性、典型相关性等）
62甲12 多元分析中的估计
62J07型 山脊回归；收缩估计器（拉索）
62页第10页 统计学在生物学和医学科学中的应用；元分析
92D20型 蛋白质序列，DNA序列

关键词：

高维数据分析;多元回归;稀疏典型相关分析

软件：

Ebimage公司;项目管理局;RGCCA公司;GPLP公司;格尔姆奈特;CCA公司;标准立方厘米
PDF格式BibTeX公司 XML格式引用
\textit{W.Wang}和textit{Y.-H.Zhou}，J.多元分析。185，文章ID 104781，18 p.（2021；Zbl 1476.62117）
全文： 内政部 arXiv公司

参考文献：

[1] 阿奎特，F。；Barbeira，A.N。；博纳佐拉，R。；A.布朗。；卡斯特尔，S.E。；乔·B。；卡塞拉，S。；Kim-Hellmuth，S。；梁，Y。；Oliva，M.，GTEx财团人类组织遗传调控效应图谱，BioRxiv，第787903条，pp.（2019）
[2] 巴里·J·D。；Fagny，M。；保尔森，J.N。；Aerts，H.J。；Platig，J。；Quackenbush，J.，免疫浸润变体的组织病理学图像QTL发现，IScience，5，80-89（2018）
[3] 陈，J。；F.D.布什曼。；刘易斯，J.D。；Wu，G.D。；Li，H.，结构约束稀疏典型相关分析及其在微生物数据分析中的应用，生物统计学，14，2，244-258（2012）
[4] 陈，M。；高，C。；任，Z。；Zhou，H.H.，通过精确调整迭代阈值的稀疏CCA（2013），ArXiv预打印ArXiv:1311.6186·Zbl 1432.62161号
[5] 塞拉蒂，T。；科萨，A。；Balogh，S.，《定量结构-张力关系研究中偏最小二乘法和典型相关分析的比较》，J.Biochem。生物物理学。方法，36，2-3，131-141（1998）
[6] 弗里德曼，J。；哈斯蒂，T。；Tibshirani，R.，通过坐标下降的广义线性模型的正则化路径，J.Stat.Softw。，33, 1, 1 (2010)
[7] 加林斯，P。；Saghapour，E。；Zhou，Y.-H.，探索非癌症组织学表型的图像/组学组合分析的局限性，前沿。遗传学。(2020)
[8] 高，C。；马，Z。；周海华，《稀疏CCA：自适应估计和计算障碍》，《统计年鉴》。，45, 5, 2074-2101 (2017) ·Zbl 1421.62073号
[9] 高，L。；齐，L。；Chen，E。；关，L.，信息融合的判别多重典型相关分析，IEEE Trans。图像处理。，27, 4, 1951-1965 (2017) ·Zbl 1409.94168号
[10] Glahn，H.R.，《典型相关及其与判别分析和多元回归的关系》，J.Atmos。科学。，25, 1, 23-31 (1968)
[11] González，I。；Déjean，S。；马丁·P·G。；Baccini，A.，CCA:扩展典型相关分析的r包，J.Stat.Softw。，23, 12, 1-14 (2008)
[12] 格雷尔曼，C。；比泽，S。；Neumann，J。；L.T.韦斯特利。；安德烈森，O.A。；维林格，A。；Horstmann，A.，《MRI和遗传数据联合分析中典型相关分析和偏最小二乘变量的比较》，Neuroimage，107，289-310（2015）
[13] A.Haghhi，P.Liang，T.Berg-Kirkpatrick，D.Klein，从单语语料库学习双语词汇，收录于：ACL-08:Hlt，2008年，第771-779页。
[14] Hardoon，D.R。；Shawe-Taylor，J.，稀疏典型相关分析，马赫。学习。，83, 3, 331-353 (2011) ·Zbl 1237.68148号
[15] 霍恩，R.A。；Johnson，C.R.，矩阵分析（2012），剑桥大学出版社：剑桥大学出版社
[16] Hotelling，H.，两组变量之间的关系，生物统计学（1936）
[17] Jordan，M.I.，《关于统计、计算和可伸缩性》，Bernoulli，19，4，1378-1390（2013）·Zbl 1273.62030
[18] 莱曹，K.-A。；马丁·P·G。；罗伯特·格拉尼（Robert-Granié），C。；Besse，P.，生物数据集成的稀疏规范方法：在跨平台研究中的应用，BMC生物信息学，10，1，34（2009）
[19] Lee，W。；Lee，D。；Lee，Y。；Pawitan，Y.，Scca：稀疏典型协方差分析（2011），https://rdrr.io/github/tomwhooo/scca_3.0/man/scca-package.html，R包版本1.1.1
[20] Lee，W。；Lee，D。；Lee，Y。；Pawitan，Y.，《高通量数据的稀疏典型协方差分析》，Stat.Appl。遗传学。分子生物学。，10, 1 (2011) ·Zbl 1296.92045号
[21] 李伟（Li，W.）。；张，S。；刘，C.-C。；周晓杰，从多维基因组数据中识别多层基因调控模块，生物信息学，28，19，2458-2466（2012）
[22] Lutz，J.G。；Eckert，T.L.，典型相关分析与多元多元回归之间的关系，教育。精神病。测量。，54, 3, 666-675 (1994)
[23] Mai，Q。；Zhang，X.，稀疏典型相关分析的迭代惩罚最小二乘法，生物统计学，75，3，734-744（2019）·Zbl 1436.62598号
[24] Mardia，K.V。；肯特，J.T。；Bibby，J.M.，多元分析（1979），学术出版社，伦敦·Zbl 0432.62029号
[25] 莫尔·R。；Divo，M。；Langbein，L.，《人类角蛋白：生物学和病理学》，组织化学。细胞生物学。，129, 6, 705 (2008)
[26] 宁，Y。；刘浩，稀疏高维模型的假设检验和置信域的一般理论，Ann.Statist。，45, 1, 158-195 (2017) ·Zbl 1364.62128号
[27] 帕克，C。；黄J.Z。；Ding，Y.，Gplp:高斯过程回归的局部并行计算工具箱，J.Mach。学习。研究，13775-779（2012）·Zbl 1283.68297号
[28] Parkhomenko，E。；Tritchler，D。；Beyene，J.，基因表达与基因型的全基因组稀疏典型相关性，（BMC Proceedings，Vol.1（2007），Springer），1-5
[29] Parkhomenko，E。；Tritchler，D。；Beyene，J.，稀疏典型相关分析及其在基因组数据整合中的应用，Stat.Appl。遗传学。分子生物学。，8, 1, 1-34 (2009) ·Zbl 1276.92071号
[30] Pau，G。；Fuchs，F。；O.斯科利亚尔。；Boutros，M。；Huber，W.，EBImage-一种应用于细胞表型的图像处理R包，生物信息学，26，7，979-981（2010）
[31] 彭春云。；Wu，C.J.，《关于确定性计算机实验克里金建模中金块的选择》，J.Compute。图表。统计学。，23, 1, 151-168 (2014)
[32] 萨马洛夫，D。；Marron，J。；刘，Y。；格鲁克，C。；Tropsha，A.，局部核典型相关分析及其在虚拟药物筛选中的应用，Ann.Appl。统计，5，3，2169（2011）·兹比尔1228.62072
[33] 萨金，M.E。；Yemez，Y。；Erzin，E。；Tekalp，A.M.，使用规范相关分析的视听同步和融合，IEEE Trans。多媒体。，9, 7, 1396-1403 (2007)
[34] Sass，J.O.，生酮和酮体利用的先天性错误，J.Inherit.Metab。数字化信息系统。，35, 1, 23-28 (2012)
[35] Shu，H。；曲，Z。；Zhu，H.，D-GCCA：基于分解的多高维数据集广义典型相关分析（2020），ArXiv预打印ArXiv:2001.02856
[36] Shu，H。；王，X。；Zhu，H.，D-CCA：高维数据集基于分解的典型相关分析，J.Amer。统计师。协会，115，529，292-306（2020）·Zbl 1437.62211号
[37] Song，Y。；施赖尔，P.J。；拉米雷斯，D。；Hasija，T.，高维数据的典型相关分析，非常小的样本支持，信号处理。，128, 449-458 (2016)
[38] Stein，M.L.，《空间数据插值：克里金的一些理论》（1999），Springer科学与商业媒体：Springer科技与商业媒体纽约·Zbl 0924.62100号
[39] Stewart，G.W.，与某些特征值问题相关的子空间的误差和扰动界，SIAM Rev.，15，4，727-764（1973）·Zbl 0297.65030号
[40] Suchard，医学硕士。；王，Q。；陈，C。；弗雷林格，J。；克罗恩。；West，M.，《理解GPU编程用于统计计算：大规模并行大规模混合的研究》，J.Compute。图表。统计学。，19, 2, 419-438 (2010)
[41] Sun，L。；季S。；于斯。；Ye，J.，关于典型相关分析和正交归一化偏最小二乘之间的等价性，（IJCAI，第9卷（2009）），1230-1235
[42] Tenenhaus，A。；Guillemot，V.，RGCCA：多块数据的正则化和稀疏广义典型相关分析（2017），https://CRAN.R-project.org/package=RGCCA，R包版本2.1.2
[43] Tenenhaus，A。；Tenenhaus，M.，正则化广义典型相关分析，《心理测量学》，76，2，257（2011）·Zbl 1284.62753号
[44] Tibshirani，R.，《通过套索进行回归收缩和选择》，J.R.Stat.Soc.Ser。B统计方法。，58, 1, 267-288 (1996) ·Zbl 0850.62538号
[45] Van Loan，C.F。；Golub，G.H.，《矩阵计算》（1983），约翰霍普金斯大学出版社：约翰霍普金大学出版社巴尔的摩·Zbl 0559.65011号
[46] 维诺库洛夫，A。；北卡罗来纳州克里斯蒂亚尼尼。；Shawe Taylor，J.，通过跨语言相关性分析推断文本的语义表示，（神经信息处理系统进展（2003）），1497-1504
[47] Waaijenborg，S。；de Witt Hamer，P.C.V.公司。；Zwinderman，A.H.，通过惩罚规范相关分析量化基因表达和DNA标记之间的关联，Stat.Appl。遗传学。分子生物学。，7，1，第3条pp.（2008）·Zbl 1276.92077号
[48] Wang，Y.R。；蒋，K。；费尔德曼，L.J。；比克尔，P.J。；Huang，H.，使用稀疏典型相关分析推断基因-基因相互作用和功能模块，Ann.Appl。《法律总汇》，9，1，300-323（2015）·Zbl 1454.62416号
[49] Witten，D.M。；Tibshirani，R.J.，稀疏典型相关分析的扩展及其在基因组数据中的应用，Stat.Appl。遗传学。分子生物学。，8, 1, 1-27 (2009) ·Zbl 1276.62099号
[50] 维滕，D。；Tibshirani，R.，PMA：惩罚多元分析（2020），https://CRAN.R-project.org/package=PMA，R包版本1.2.1
[51] Witten，D.M。；Tibshirani，R。；Hastie，T.，A惩罚矩阵分解，应用于稀疏主成分和典型相关分析，生物统计学，10，3，515-534（2009）·Zbl 1437.62658号
[52] 山本，H。；Yamaji，H。；福崎，E。；Ohno，H。；Fukuda，H.，多元回归的典型相关分析及其在代谢指纹识别中的应用，生物化学。《工程师杂志》，40，2，199-204（2008）
[53] 亚兹奇。；奥胡什，E。；Ankarali，H。；Gürbüz，F.，《非线性典型相关分析在医学数据中的应用》，土耳其医学科学杂志。，40, 3, 503-510 (2010)
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。