文献

J-GLOBAL ID：202202255515854277   整理番号：22A1086504

NMF,スペクトルクラスタリング,KmeansおよびGMMを用いたマイクロアレイデータクラスタリングの統計的解析【JST・京大機械翻訳】

Statistical Analysis of Microarray Data Clustering using NMF, Spectral Clustering, Kmeans, and GMM

著者 (1件)： Mirzal Andri (Information & Computer Science Department, King Fahd University of Petroleum and Minerals, Dhahran, Kingdom of Saudi Arabia)
資料名： IEEE/ACM Transactions on Computational Biology and Bioinformatics  (IEEE/ACM Transactions on Computational Biology and Bioinformatics)
巻： 19  号： 2  ページ： 1173-1192  発行年： 2022年 
JST資料番号： W1409A  ISSN： 1545-5963  CODEN： ITCBCY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 教師なし学習文献において,マイクロアレイ遺伝子発現データセットを用いたクラスタリングの研究は,非負行列因数分解(NMF),スペクトルクラスタリング,k平均,およびGauss混合モデル(GMM)が,最も使用された方法のいくつかである。しかし,これらの方法間の性能差の有意性を測定するために,統計解析を利用する研究は限られている。本論文では,10のNMF,6つのスペクトルクラスタリング,4つのGMMの間の性能差の統計解析と,クラスタ数による11の公開利用可能なマイクロアレイ遺伝子発現データセットのクラスタリングにおける標準k平均アルゴリズムについて,2から10の範囲に示した。実験結果は,統計的NMFsとk平均が類似の性能を持ち,スペクトルクラスタリングより優れていることを示した。スペクトルクラスタリングは隠れ多様体構造を明らかにするために使用できるので,スペクトル法の性能は,データセットが多様体構造を持つかどうかを疑問にする。多次元スケーリングプロットを用いた目視検査は,このような構造は存在しないことを示した。さらに,プロットは,いくつかのデータセットのクラスタが楕円境界を持つことを示すので,GMM法も利用した。実験結果は,GMM方法がある程度他の方法より優れていて,このように,データセットがガウス分布に従うことを意味した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  多様体 ,  正規分布 ,  教師なし学習 ,  *クラスタ化 ,  *クラスタ ,  高次元 ,  Gauss模型 ,  遺伝子発現 ,  肉眼検査
準シソーラス用語： Gauss混合モデル ,  データクラスタリング ,  *スペクトラルクラスタリング ,  非負行列因子分解 ,  マイクロアレイ遺伝子発現 ,  *マイクロアレイ , 【Automatic Indexing@JST】

分類 (4件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E) ,  分子・遺伝情報処理  (JE15040B) ,  脳・神経系モデル  (EL02050C)

タイトルに関連する用語 (4件)： NMF ,  スペクトルクラスタリング ,  GMM ,  統計的解析