Nuclear Norm Clustering: a promising alternative method for clustering tasks.
Nuclear Norm Clustering: a promising alternative method for clustering tasks.
复制标题
核规范聚类：一种有前途的聚类任务替代方法
DOI：
10.1038/s41598-018-29246-4
复制
发表时间：
2018-07-18
影响因子：
4.6
通讯作者：
Jin L
中科院分区：
文献类型：
--
作者：
Wang Y;Li Y;Qiao C;Liu X;Hao M;Shugart YY;Xiong M;Jin L
聚类技术在许多应用中广泛使用。聚类的目的是在关注的数据集中识别模式或类似对象的组。但是，许多集群方法既不强大，也不对实际数据中的噪音和异常值敏感。在本文中，我们介绍了核标准聚类（NNC，可在https://sourceforge.net/projects/nnc/）上获得，这是一种算法，可以在各个领域中用作K-Means群集方法的有希望的替代方法。 NNC算法要求用户提供数据矩阵M和所需数量的群集K。我们采用了模拟退火技术来选择一个最佳标签向量，以最大程度地减少群集残留矩阵中汇总的核标准。为了评估NNC算法的性能，我们比较了15个公共数据集和2个全基因组关联研究（GWAS）在牛皮癣上的性能，并将我们的方法与其他经典方法进行了比较。结果表明，NNC方法在15个基准公共数据集和2个牛皮癣GWAS数据集的F-评分方面具有竞争性能。因此，NNC是聚类任务的有前途的替代方法。
Clustering techniques are widely used in many applications. The goal of clustering is to identify patterns or groups of similar objects within a dataset of interest. However, many cluster methods are neither robust nor sensitive to noises and outliers in real data. In this paper, we present Nuclear Norm Clustering (NNC, available at https://sourceforge.net/projects/nnc/), an algorithm that can be used in various fields as a promising alternative to the k-means clustering method. The NNC algorithm requires users to provide a data matrix M and a desired number of cluster K. We employed simulated annealing techniques to choose an optimal label vector that minimizes nuclear norm of the pooled within cluster residual matrix. To evaluate the performance of the NNC algorithm, we compared the performance of both 15 public datasets and 2 genome-wide association studies (GWAS) on psoriasis, comparing our method with other classic methods. The results indicate that NNC method has a competitive performance in terms of F-score on 15 benchmarked public datasets and 2 psoriasis GWAS datasets. So NNC is a promising alternative method for clustering tasks.
登录
查看更多内容
影响因子：
3.9
作者：
Little, Max A.;McSharry, Patrick E.;Roberts, Stephen J.;Costello, Declan A. E.;Moroz, Irene M.
通讯作者：
Moroz, Irene M.
影响因子：
9.8
作者：
Nair, RP;Stuart, PE;Elder, JT
通讯作者：
Elder, JT
DOI：
10.1073/pnas.97.18.10101
发表时间：
2000-08-29
影响因子：
11.1
作者：
Alter, O;Brown, PO;Botstein, D
通讯作者：
Botstein, D
影响因子：
1.1
作者：
Mahajan, Meena;Nimbhorkar, Prajakta;Varadarajan, Kasturi
通讯作者：
Varadarajan, Kasturi
影响因子：
4.8
作者：
Kleinberg, J;Papadimitriou, C;Raghavan, P
通讯作者：
Raghavan, P