矢量量化谱聚类在大豆全基因组序列中的应用
定量方法
2018-10-02 v1 机器学习
机器学习
摘要
我们开发了一种矢量量化谱聚类（VQSC）算法，该算法结合了谱聚类（SC）与矢量量化（VQ）采样，用于对大豆基因组进行分组。其思路在于利用SC的准确性，并通过VQ使算法计算代价降低（SC的复杂度相对于输入规模呈三次方）。尽管SC与VQ的结合并非新思路，但本工作的新颖之处在于构建了SC中关键的相似度矩阵，并在VQ中使用了k-medoids，二者均针对大豆基因组数据进行了适配。我们将该方法与常用技术如UPGMA（非加权配对算术平均法）和NJ（邻接法）进行比较。实验结果表明，在聚类质量（聚类质量提升高达25%）和时间复杂度（快一个数量级）方面，我们的方法均显著优于这两种技术。
引用
@article{arxiv.1810.00398,
title = {Vector Quantized Spectral Clustering applied to Soybean Whole Genome Sequences},
author = {Aditya A. Shastri and Kapil Ahuja and Milind B. Ratnaparkhe and Aditya Shah and Aishwary Gagrani and Anant Lal},
journal= {arXiv preprint arXiv:1810.00398},
year = {2018}
}
备注
10 Pages, 3 Tables, 2 Figures