用于高内涵筛选数据降维的深度自编码器
机器学习
2015-01-08 v1
摘要
高内涵筛选利用大量无标记细胞图像数据来推断遗传学或细胞生物学。两个重要任务是识别那些具有有趣表型的细胞，以及识别富集这些表型的亚群。这种探索性数据分析通常涉及降维随后聚类，希望簇代表一种表型。我们提出使用堆叠去噪自编码器来为高内涵筛选执行降维。我们展示了我们的方法相对于PCA、局部线性嵌入、核PCA和Isomap的优越性能。
引用
@article{arxiv.1501.01348,
title = {Deep Autoencoders for Dimensionality Reduction of High-Content Screening Data},
author = {Lee Zamparo and Zhaolei Zhang},
journal= {arXiv preprint arXiv:1501.01348},
year = {2015}
}
备注
5 pages, 3 figures. Submitted to MLCB 2014 (NIPS workshop, Machine Learning in Computational Biology)