論文の概要: Sparse Functional Singular Value Decomposition for Biclustering and Triclustering Longitudinal Data

• arxiv url: http://arxiv.org/abs/2606.05488v1
• Date: Wed, 03 Jun 2026 22:26:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.427639
• Title: Sparse Functional Singular Value Decomposition for Biclustering and Triclustering Longitudinal Data
• Title（参考訳）: 双クラスター化・三クラスター化のためのスパース関数特異値分解法
• Authors: Yue Zhao, Thierry Chekouo, Sandra Safo,
• Abstract要約: 本稿では,二クラスタと三クラスタを長手データで検出するための統一スパース関数Singular Value DecompositionフレームワークであるTri-SfSVDを提案する。 被験者,変数,時間的サブリージョンにスパースペナルティを課すことにより,本手法は観測データに直接作用し,局所構造を解明する。
• 参考スコア（独自算出の注目度）: 4.295672830754136
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Identifying subtypes of complex conditions, such as Inflammatory Bowel Disease (IBD), often requires capturing latent patterns in longitudinal omics data. However, these data are typically high-dimensional, sparsely sampled, and irregularly observed over time, posing substantial challenges for conventional (bi)clustering and functional data analysis methods. We propose Tri-SfSVD, a unified sparse functional Singular Value Decomposition framework for discovering biclusters and triclusters in longitudinal data. Unlike existing functional biclustering methods that rely on ad hoc imputation or enforce restrictive shape-homogeneity assumptions, Tri-SfSVD integrates continuous trajectory estimation with simultaneous subject, feature, and temporal selection within a single optimization framework. By imposing sparse penalties across subjects, variables, and temporal subregions, the proposed method works directly on observed data to uncover localized structures at the subject, subject-feature, and subject-feature-time levels. Extensive simulations demonstrate that Tri-SfSVD outperforms existing approaches in high-dimensional settings. Applied to IBD multi-omics data, the method identified three biclusters linking sample clusters with distinct IBD-related clinical characteristics to microbial pathway groups associated with specific bacterial taxa, providing interpretable subject-pathway associations for characterizing disease heterogeneity. Applied to multi-channel EEG data, the method identified three triclusters linking sample clusters with distinct alcohol-related phenotypes to localized brain activity patterns, including subgroup differences separated by temporal subregions within the same spatial region.
• Abstract（参考訳）: 炎症性腸疾患(IBD)のような複雑な病態のサブタイプを同定するには、しばしば縦長のオミクスデータで潜伏パターンを捉える必要がある。 しかし、これらのデータは、通常、高次元で、わずかにサンプリングされ、時間とともに不規則に観察され、従来の(bi)クラスタリングおよび機能的なデータ分析手法において重大な課題を提起する。 本稿では,二クラスタと三クラスタを長手データで検出するための統一スパース関数Singular Value DecompositionフレームワークであるTri-SfSVDを提案する。 アドホックな計算や制限的な形状-均一性の仮定を強制する既存の機能的双クラスター法とは異なり、Tri-SfSVDは1つの最適化フレームワークにおいて、連続的な軌道推定を主題、特徴、時間的選択と統合する。 提案手法は,被験者,変数,時間的サブリージョン間のスパースペナルティを付与することにより,被験者の局所構造を明らかにするために,観察データを直接処理する。 大規模なシミュレーションにより、Tri-SfSVDは高次元設定において既存のアプローチよりも優れていることが示された。 IBDマルチオミクスデータに適用し,IBD関連臨床特徴の異なる3つのビクラスタを,特定の細菌性分類に関連付けられた微生物経路群にリンクさせ,疾患の多様性を特徴付けるための解釈可能な対象-経路関連を提供する。 多チャンネル脳波データに適用し、同じ空間領域内の時間的サブリージョンによって分離されたサブグループ差を含む、異なるアルコール関連表現型と局所的な脳活動パターンとをリンクする3つのトリクラスタを同定した。

関連論文リスト

• Turtle shell clustering: A mixture approach to discriminative clustering with applications to flow cytometry and other data [0.254890465057467]
  クラスタリングに対する生成的アプローチは、クラスタの幾何学的性質に関する情報を提供する。 識別的アプローチはクラスタ間のバウンダリを提供する。 完全教師なし,確率的,差別的なクラスタリング手法を提案する。
  論文  参考訳（メタデータ） (2026-04-25T00:33:30Z)
• Sampling-Aware 3D Spatial Analysis in Multiplexed Imaging [6.355732454577005]
  高多重顕微鏡は、単一細胞の分解能で組織をリッチに特徴づけることができる。 ほとんどの分析は、本質的に3次元組織組織であるにもかかわらず、2次元の切断に依存している。 直列断面からのスパースかつ一貫した3次元解析を可能にする幾何認識再構成モジュールを提案する。
  論文  参考訳（メタデータ） (2026-04-09T06:59:15Z)
• Weight-Informed Self-Explaining Clustering for Mixed-Type Tabular Data [63.62853416081748]
  WISEは表現、特徴重み付け、クラスタリング、解釈を統一するフレームワークである。 クラスタリングを駆動する同じプリミティブに根ざした、忠実で人間解釈可能な説明を生成する。
  論文  参考訳（メタデータ） (2026-04-07T13:18:31Z)
• CLIP Meets Diffusion: A Synergistic Approach to Anomaly Detection [49.11819337853632]
  異常検出は、異常の定義の曖昧さ、異常型の多様性、トレーニングデータの不足による複雑な問題である。 識別的基盤モデルと生成的基礎モデルの両方を活用するCLIPfusionを提案する。 本手法は, 異常検出の多面的課題に対処する上で, マルチモーダル・マルチモデル融合の有効性を裏付けるものである。
  論文  参考訳（メタデータ） (2025-06-13T13:30:15Z)
• FCPCA: Fuzzy clustering of high-dimensional time series based on common principal component analysis [11.138320457692288]
  本研究は,共通主成分分析に基づくファジィクラスタリング手法を提案する。 提案手法は文献におけるいくつかの既存手法よりも優れていることを示す。 シミュレーション運転実験から記録された異なるドライバからの脳信号を含む興味深い応用は、このアプローチの可能性を示している。
  論文  参考訳（メタデータ） (2025-05-12T06:59:17Z)
• HBIC: A Biclustering Algorithm for Heterogeneous Datasets [0.0]
  Biclusteringは、データマトリックス内で行と列を同時にクラスタすることを目的とした、教師なしの機械学習アプローチである。 複素異種データから有意義なビクラスタを発見することが可能な,HBICと呼ばれるビクラスタリング手法を提案する。
  論文  参考訳（メタデータ） (2024-08-23T16:48:10Z)
• Anchor-based Multi-view Subspace Clustering with Hierarchical Feature Descent [46.86939432189035]
  階層的特徴Descentを用いたアンカーベースマルチビューサブスペースクラスタリングを提案する。 提案手法は最先端技術より一貫して優れている。
  論文  参考訳（メタデータ） (2023-10-11T03:29:13Z)
• T-Phenotype: Discovering Phenotypes of Predictive Temporal Patterns in Disease Progression [82.85825388788567]
  我々は、ラベル付き時系列データから予測時相パターンの表現型を発見するために、新しい時間的クラスタリング手法T-Phenotypeを開発した。 T-フェノタイプは, 評価ベースラインのすべてに対して, 最良の表現型発見性能を示す。
  論文  参考訳（メタデータ） (2023-02-24T13:30:35Z)
• Unified Multi-View Orthonormal Non-Negative Graph Based Clustering Framework [74.25493157757943]
  我々は,非負の特徴特性を活用し,多視点情報を統合された共同学習フレームワークに組み込む,新しいクラスタリングモデルを定式化する。 また、深層機能に基づいたクラスタリングデータに対するマルチモデル非負グラフベースのアプローチを初めて検討する。
  論文  参考訳（メタデータ） (2022-11-03T08:18:27Z)
• Multiway Spherical Clustering via Degree-Corrected Tensor Block Models [8.147652597876862]
  推定精度を保証した次数補正ブロックモデルを開発した。 特に,3次以上のテンソルに対してのみ,本質的な統計的-計算的ギャップが生じることを示す。 本手法の有効性を2つのデータアプリケーションを用いて実証した。
  論文  参考訳（メタデータ） (2022-01-19T03:40:22Z)

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。