用于稀疏谱聚类的流形邻近线性方法及其在单细胞RNA测序数据分析中的应用
机器学习
2020-11-03 v2 机器学习
最优化与控制
基因组学
摘要
谱聚类是数据分析中广泛使用的基元无监督学习方法之一。稀疏谱聚类(SSC)对谱聚类施加稀疏性，提升了模型的可解释性。本文考虑一种被广泛采用的SSC模型，其可表述为具有非光滑非凸目标的Stiefel流形上的优化问题。此类优化问题非常难以求解。现有方法通常求解其凸松弛或需要使用特定平滑技术平滑其非光滑部分。在本文中，我们提出一种流形邻近线性方法(ManPL)，求解原始SSC公式。我们还将该算法扩展至求解多核SSC问题，为此提出了一种交替ManPL算法。我们建立了所提方法的收敛性和迭代复杂度结果。我们通过单细胞RNA测序数据分析展示了所提方法相对于现有方法的优势。
引用
@article{arxiv.2007.09524,
title = {A Manifold Proximal Linear Method for Sparse Spectral Clustering with Application to Single-Cell RNA Sequencing Data Analysis},
author = {Zhongruo Wang and Bingyuan Liu and Shixiang Chen and Shiqian Ma and Lingzhou Xue and Hongyu Zhao},
journal= {arXiv preprint arXiv:2007.09524},
year = {2020}
}