自适应加权多视图核矩阵分解及其在阿尔茨海默病分析中的应用——一种聚类视角
机器学习
2023-03-09 v1 人工智能
摘要
近期技术与设备的进步为我们提供了更好地分析阿尔茨海默病（AD）的机会，我们可以收集并利用来自不同影像与基因模态的数据，从而潜在地提升预测性能。为了在AD分析中实现更好的聚类，本文提出一种新颖模型来利用所有不同模态/视图的数据，该模型能够自适应地学习各视图的权重。不同于先前假设数据线性可分的朴素非负矩阵分解，我们提出一种基于核矩阵分解的简单而高效的方法，其不仅能处理非线性数据结构，还可取得更好的预测精度。在ADNI数据集上的实验结果证明了我们所提方法的有效性，表明核方法在AD分析中具有良好应用前景。
引用
@article{arxiv.2303.04154,
title = {Adaptive Weighted Multiview Kernel Matrix Factorization with its application in Alzheimer's Disease Analysis -- A clustering Perspective},
author = {Kai Liu and Yarui Cao},
journal= {arXiv preprint arXiv:2303.04154},
year = {2023}
}
备注
2 figures