基于多核典型相关分析影响函数的离群点识别
机器学习
2016-06-02 v1
摘要
影像遗传学研究主要集中于发现独特和共关联效应，但通常忽略识别遗传及非遗传变量中的离群点或非典型对象。识别显著离群点是影像遗传学和多源数据分析中一个基本且具有挑战性的问题。因此，我们需要对所识别离群点的转录错误进行检验。首先，我们探讨了核均值元、核协方差算子、核交叉协方差算子、核典型相关分析（kernel CCA）以及多核CCA的影响函数（IF）。其次，我们提出了多核CCA的IF，其可应用于两个以上数据集。第三，我们提出了一种基于核CCA和多核CCA的IF检测多源数据有影响力观测值的可视化方法。最后，所提方法能够分析通常见于生物医学应用中的受试者离群点，其中维度数量很大。为检验离群点，我们使用茎叶图。在合成数据及影像遗传学数据（如SNP、fMRI和DNA甲基化）上的实验表明所提可视化方法可有效应用。
引用
@article{arxiv.1606.00113,
title = {Identifying Outliers using Influence Function of Multiple Kernel Canonical Correlation Analysis},
author = {Md Ashad Alam and Yu-Ping Wang},
journal= {arXiv preprint arXiv:1606.00113},
year = {2016}
}
备注
arXiv admin note: substantial text overlap with arXiv:1602.05563