具有一般块对角协方差矩阵的高斯双聚类估计及其应用
统计计算
2023-02-09 v1
摘要
双聚类(bi-clustering)是一种允许对数据集中观测值和特征同时进行聚类技术。该技术常用于生物信息学、文本挖掘和时间序列分析。双聚类算法的一个重要优势是能够揭示数据中的多个“视图”(即通过行和列分组)。文献中已存在若干基于高斯混合模型的双聚类方法。然而,它们对协方差矩阵的结构施加了严格限制。本文提出一种基于高斯混合模型的双聚类方法,提供了更灵活的块对角协方差结构。我们表明,所提模型的聚类精度与其他已知技术相当,但我们的方法提供了更灵活的协方差结构且计算时间显著更低。我们展示了所提模型在生物信息学和主题建模中的应用。
引用
@article{arxiv.2302.03849,
title = {Estimation of Gaussian Bi-Clusters with General Block-Diagonal Covariance Matrix and Applications},
author = {Anastasiia Livochka and Ryan Browne and Sanjeena Subedi},
journal= {arXiv preprint arXiv:2302.03849},
year = {2023}
}
备注
48 pages, 13 figures