論文の概要: An Enhanced Adaptive Bi-clustering Algorithm through Building a
Shielding Complex Sub-Matrix
- arxiv url: http://arxiv.org/abs/2111.06524v1
- Date: Fri, 12 Nov 2021 01:44:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-15 14:13:34.772241
- Title: An Enhanced Adaptive Bi-clustering Algorithm through Building a
Shielding Complex Sub-Matrix
- Title（参考訳）: 遮蔽複合サブマトリックス構築による適応的二クラスタリングアルゴリズム
- Authors: Kaijie Xu
- Abstract要約: 本稿では,適応的二クラスタリングアルゴリズムの新たな拡張を提案する。
得られた二クラスターを遮蔽するために遮蔽複合体サブマトリックスを構築する。
公開されている実マイクロアレイデータセットで得られた結果は、双方向クラスタのパフォーマンスの向上を示している。
- 参考スコア（独自算出の注目度）: 1.0660480034605242
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Bi-clustering refers to the task of finding sub-matrices (indexed by a group
of columns and a group of rows) within a matrix of data such that the elements
of each sub-matrix (data and features) are related in a particular way, for
instance, that they are similar with respect to some metric. In this paper,
after analyzing the well-known Cheng and Church (CC) bi-clustering algorithm
which has been proved to be an effective tool for mining co-expressed genes.
However, Cheng and Church bi-clustering algorithm and summarizing its
limitations (such as interference of random numbers in the greedy strategy;
ignoring overlapping bi-clusters), we propose a novel enhancement of the
adaptive bi-clustering algorithm, where a shielding complex sub-matrix is
constructed to shield the bi-clusters that have been obtained and to discover
the overlapping bi-clusters. In the shielding complex sub-matrix, the imaginary
and the real parts are used to shield and extend the new bi-clusters,
respectively, and to form a series of optimal bi-clusters. To assure that the
obtained bi-clusters have no effect on the bi-clusters already produced, a unit
impulse signal is introduced to adaptively detect and shield the constructed
bi-clusters. Meanwhile, to effectively shield the null data (zero-size data),
another unit impulse signal is set for adaptive detecting and shielding. In
addition, we add a shielding factor to adjust the mean squared residue score of
the rows (or columns), which contains the shielded data of the sub-matrix, to
decide whether to retain them or not. We offer a thorough analysis of the
developed scheme. The experimental results are in agreement with the
theoretical analysis. The results obtained on a publicly available real
microarray dataset show the enhancement of the bi-clusters performance thanks
to the proposed method.
- Abstract（参考訳）: バイクラスタ化(bi-clustering)とは、各サブ行列(データと特徴)の要素が特定の方法、例えば、ある計量に関して類似しているように、データのマトリックス内でサブ行列(列のグループと行のグループによってインデックスされる)を見つけるタスクである。
本稿では,共発現遺伝子をマイニングするための有効なツールとして,よく知られたCheng and Church (CC)双クラスタリングアルゴリズムの解析を行った。
しかし、チャーンとチャーチのバイクラスタ化アルゴリズムとその限界を要約し(グリーディ戦略における乱数の干渉や重複するバイクラスタの無視など)、得られたバイクラスタを遮蔽するために複雑なサブマトリックスを構築し、重複するバイクラスタを発見するための適応型バイクラスタ化アルゴリズムの新規な拡張を提案する。
遮蔽複素部分行列において、虚部と実部は、それぞれ新しい二クラスターを遮蔽し拡張し、一連の最適二クラスターを形成するために使用される。
得られた二クラスターが既に生成した二クラスターに影響を与えないことを保証するため、構成された二クラスターを適応的に検出し遮蔽するユニットインパルス信号を導入する。
一方、ヌルデータ(ゼロサイズデータ)を効果的に遮蔽するために、適応検出および遮蔽のために別のユニットインパルス信号を設定する。
さらに、サブマトリックスの遮蔽データを含む行(または列)の平均2乗残差スコアを調整するための遮蔽係数を加え、それらを保持するか否かを決定する。
我々は開発計画の徹底的な分析を行う。
実験結果は理論解析と一致している。
公開可能な実マイクロアレイデータセットで得られた結果は,提案手法によるバイクラスタ性能の向上を示している。
関連論文リスト
- Spectral Entry-wise Matrix Estimation for Low-Rank Reinforcement
Learning [53.445068584013896]
低ランク構造を持つ強化学習(RL)における行列推定問題について検討した。
低ランク帯では、回収される行列は期待される腕の報酬を指定し、低ランクマルコフ決定プロセス(MDP)では、例えばMDPの遷移カーネルを特徴付ける。
簡単なスペクトルベースの行列推定手法は,行列の特異部分空間を効率よく復元し,ほぼ最小の入力誤差を示すことを示す。
論文 参考訳（メタデータ） (2023-10-10T17:06:41Z) - Mode-wise Principal Subspace Pursuit and Matrix Spiked Covariance Model [13.082805815235975]
行列データに対して行次元と列次元の両方に隠れたバリエーションを抽出するために,モードワイド・プリンシパル・サブスペース・スーツ (MOP-UP) と呼ばれる新しいフレームワークを導入する。
提案フレームワークの有効性と実用性は、シミュレーションと実データの両方の実験を通して実証される。
論文 参考訳（メタデータ） (2023-07-02T13:59:47Z) - Deep Double Self-Expressive Subspace Clustering [7.875193047472789]
二重自己表現型サブスペースクラスタリングアルゴリズムを提案する。
提案アルゴリズムは最先端手法よりも優れたクラスタリングを実現することができる。
論文 参考訳（メタデータ） (2023-06-20T15:10:35Z) - Learning idempotent representation for subspace clustering [7.6275971668447]
理想的な再構成係数行列は2つの特性を持つべきである: 1) ブロックは各ブロックが部分空間を示す対角線であり、2) 各ブロックは完全連結である。
我々は、正規化メンバシップ行列を近似した再構成係数を求めるために、等等表現(IDR)アルゴリズムを考案する。
合成と実世界の両方のデータセットで実施された実験は、IDRが効率的かつ効率的なサブスペースクラスタリングアルゴリズムであることを証明している。
論文 参考訳（メタデータ） (2022-07-29T01:39:25Z) - Semi-Supervised Subspace Clustering via Tensor Low-Rank Representation [64.49871502193477]
本稿では,初期監視情報を同時に拡張し,識別親和性行列を構築することのできる,新しい半教師付きサブスペースクラスタリング手法を提案する。
6つの一般的なベンチマークデータセットの総合的な実験結果から,本手法が最先端手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2022-05-21T01:47:17Z) - Goodness-of-fit Test on the Number of Biclusters in Relational Data
Matrix [41.60125423028092]
Biclusteringは与えられた観察されたマトリックスの均質なサブマトリックスを検出する問題です。
本稿では,正規格子仮定を必要としない2クラスタ数に関する新しい統計テストを提案する。
論文 参考訳（メタデータ） (2021-02-23T12:25:58Z) - Sparse PCA via $l_{2,p}$-Norm Regularization for Unsupervised Feature
Selection [138.97647716793333]
再構成誤差を$l_2,p$ノルム正規化と組み合わせることで,単純かつ効率的な特徴選択手法を提案する。
提案する非教師付きモデルを解くための効率的な最適化アルゴリズムを提案し,アルゴリズムの収束と計算の複雑さを理論的に解析する。
論文 参考訳（メタデータ） (2020-12-29T04:08:38Z) - Clustering Ensemble Meets Low-rank Tensor Approximation [50.21581880045667]
本稿では,複数のクラスタリングを組み合わせ,個々のクラスタリングよりも優れたパフォーマンスを実現するクラスタリングアンサンブルの問題について検討する。
本稿では,この問題をグローバルな視点から解くために,新しい低ランクテンソル近似法を提案する。
7つのベンチマークデータセットを用いた実験の結果,提案手法は12の最先端手法と比較して,クラスタリング性能のブレークスルーを達成した。
論文 参考訳（メタデータ） (2020-12-16T13:01:37Z) - Multi-View Spectral Clustering with High-Order Optimal Neighborhood
Laplacian Matrix [57.11971786407279]
マルチビュースペクトルクラスタリングは、データ間の固有のクラスタ構造を効果的に明らかにすることができる。
本稿では,高次最適近傍ラプラシア行列を学習するマルチビュースペクトルクラスタリングアルゴリズムを提案する。
提案アルゴリズムは, 1次ベースと高次ベースの両方の線形結合の近傍を探索し, 最適ラプラシア行列を生成する。
論文 参考訳（メタデータ） (2020-08-31T12:28:40Z) - A Novel Granular-Based Bi-Clustering Method of Deep Mining the
Co-Expressed Genes [76.84066556597342]
ビクラスタリング法は、サンプル(遺伝子)のサブセットが試験条件下で協調的に制御されるバイクラスタをマイニングするために用いられる。
残念ながら、従来の二クラスタ法はそのような二クラスタを発見するのに完全には効果がない。
本稿では,グラニュラーコンピューティングの理論を取り入れた新しい2クラスタリング手法を提案する。
論文 参考訳（メタデータ） (2020-05-12T02:04:40Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。