A Bayesian mixture model to quantify parameters of spatial clustering
A Bayesian mixture model to quantify parameters of spatial clustering
复制标题
用于量化空间聚类参数的贝叶斯混合模型
DOI：
10.1016/j.csda.2015.07.004
复制
发表时间：
2015
期刊：
影响因子：
--
通讯作者：
Ickstadt
中科院分区：
文献类型：
--
作者：
Schäfer;Herrmann;Schwender;Verveer;Ickstadt
提出了一种新的贝叶斯空间聚类方法，该方法采用混合伽马分布来模拟点到其第二近邻的平方距离。该方法旨在回答Ras蛋白纳米簇生物物理研究中出现的问题。它考虑了干扰元集群结构以及非集群对象的存在，这两者在Ras集群中都很常见。它的重点在于不依赖于参数的先验知识，估计的点躺在集群中的比例，平均集群大小和平均集群半径。与其他聚类方法相比，该模型的性能表现在一个全面的模拟研究，采用一个特定的新的类的空间点过程，双Matérn聚类过程。进一步的结果和参数以及数据和代码可作为补充材料。
A new Bayesian approach for quantifying spatial clustering is proposed that employs a mixture of gamma distributions to model the squared distance of points to their second nearest neighbors. The method is designed to answer questions arising in biophysical research on nanoclusters of Ras proteins. It takes into account the presence of disturbing metacluster structures as well as non-clustering objects, both common among Ras clusters. Its focus lies on estimating the proportion of points lying in clusters, the mean cluster size and the mean cluster radius without depending on prior knowledge of the parameters. The performance of the model compared to other cluster methods is demonstrated in a comprehensive simulation study, employing a specific new class of spatial point processes, the double Matérn cluster process. Further results and arguments as well as data and code are available as supplementary material.
登录
查看更多内容
基因表达和蛋白质组学的贝叶斯推理：通过狄利克雷过程混合模型对表达数据进行基于模型的聚类
DOI：
--
发表时间：
2006
期刊：
影响因子：
--
作者：
D. B. Dahl
通讯作者：
D. B. Dahl
影响因子：
3.4
作者：
Kiskowski, Maria A.;Hancock, John F.;Kenworthy, Anne K.
通讯作者：
Kenworthy, Anne K.
影响因子：
1.9
作者：
Maitra, Ranjan;Ramler, Ivan P.
通讯作者：
Ramler, Ivan P.
随机 QT-Clust 算法：时程微阵列数据的稳定性和方差评估
DOI：
--
发表时间：
2006
期刊：
影响因子：
--
作者：
T. Scharl;F. Leisch
通讯作者：
F. Leisch
影响因子：
4.5
作者：
LO, AY
通讯作者：
LO, AY