通过局部提取进行数据聚类和可视化进行全球理解
Zhenyue Zhang1,2, Bingjie Li3
1MSU-BIT-SMBU Joint Research Center of Applied Mathematics, Shenzhen MSU-BIT University, Shenzhen, China.
本研究介绍了GULE (通过局部提取进行全球理解),这是一种用于在没有先前假设的情况下识别复杂数据中的潜在类模式的新框架. GULE准确地检索底层数据结构,并可视化各种应用程序的类拓.
科学领域:
- 数据科学数据科学数据科学
- 机器学习 机器学习
- 计算生物学 计算生物学
背景情况:
- 从复杂的数据集中提取有意义的模式是一个重大挑战.
- 现有的方法通常需要对数据结构或分布做出假设,这限制了它们的适用性.
- 发现隐性类对于理解复杂系统至关重要.
研究的目的:
- 提出一个新的框架,GULE (通过本地提取进行全球理解),用于从原始数据中检索潜在的类模式.
- 为了应对识别隐性类的挑战,而不必对数据结构或分布做出假设.
- 为数据可视化提供一个工具,保留已识别的类的拓结构.
主要方法:
- GULE框架将类一致性的本地提取与已识别的模式的全球传播相结合.
- 提出了理论分析,以验证GULE算法在检索隐藏类中的准确性.
- 该方法在各种数据集上进行了全面的测试.
主要成果:
- 在复杂数据中检索隐藏类时,GULE表现出高准确度.
- 该框架有效地保留了类拓结构,使可靠的数据可视化成为可能.
- 综合测试证实了精确的集群和可靠的可视化.
结论:
- GULE提供了一个强大的,没有假设的方法来发现隐性类和数据可视化.
- 该框架保存拓结构的能力提高了其在复杂数据分析中的实用性.
- GULE在生物学和医学等领域有潜在的应用,用于揭示隐藏的模式.
更多相关视频
06:01Visualization and Quantification of High-Dimensional Cytometry Data using Cytofast and the Upstream Clustering Methods FlowSOM and Cytosplore
Published on: December 12, 2019
09:17Digital Spatial Profiling for Characterization of the Microenvironment in Adult-Type Diffusely Infiltrating Glioma
Published on: September 13, 2022
相关概念视频
Selected Data About Geographic Locations
Cluster Sampling Method
To choose a cluster sample, divide the population into clusters (groups) and then randomly select some of the clusters. All the members from these clusters are in the cluster sample. For example, if you randomly sample four departments from your...
Extraction: Advanced Methods
Levels of Use of a GIS
Manipulation and Analysis
GIS Software, Hardware, and Sources of GIS Data
