网络诱导的大规模相关矩阵估计
应用统计
2017-08-09 v7
摘要
大规模生物医学数据（如基因表达或神经影像数据）的相关矩阵常表现出复杂且有组织、但潜在的图拓扑结构。我们提出一种两步过程：首先从样本相关矩阵中简洁地检测潜在图拓扑，然后利用检测到的图拓扑信息对相关矩阵进行正则化。我们表明，图拓扑信息引导的阈值化能同时降低假阳性率和假阴性率，因为它允许边精确地相互借用强度。若干示例说明，简洁检测到的潜在图拓扑结构可揭示底层生物网络并指导相关矩阵估计。
引用
@article{arxiv.1601.00009,
title = {Network induced large correlation matrix estimation},
author = {Shuo Chen and Jian Kang and Yishi Xing and Yunpeng Zhao and Don Milton},
journal= {arXiv preprint arXiv:1601.00009},
year = {2017}
}