分离非负良好接地源的混合凸分析
机器学习
2015-12-14 v3 定量方法
摘要
盲源分离 (BSS) 已被证明是工程和科学中分析复合模式的有力工具。我们引入了混合凸分析 (CAM) 用于分离非负良好接地源，该方法通过识别凸数据散点图的侧边来学习混合矩阵。我们证明了通过边缘检测识别混合矩阵的充分必要条件，这也构成了 CAM 不仅适用于恰定和超定情况，也适用于欠定情况的基础。我们展示了边缘检测策略的最优性，即使在源良好接地性未严格满足的情况下也是如此。CAM 算法集成了基于扇区的聚类插件噪声滤波、高效的几何凸分析方案以及基于稳定性的模型阶数选择。我们在模拟数据和数值混合的自然图像上展示了 CAM 的原理。在与一组基准 BSS 技术的对比中，CAM 在数值混合的基因表达数据上展现了优越的性能。随后，我们将 CAM 应用于解析取自乳腺肿瘤的动态对比增强磁共振成像数据以及源自小鼠体内肌肉再生的时间过程微阵列基因表达数据，两者均产生了生物学上合理的分解结果。
引用
@article{arxiv.1406.7349,
title = {Convex Analysis of Mixtures for Separating Non-negative Well-grounded Sources},
author = {Yitan Zhu and Niya Wang and David J. Miller and Yue Wang},
journal= {arXiv preprint arXiv:1406.7349},
year = {2015}
}
备注
15 pages, 9 figures, 2 tables