基于矩阵分解的多视图双聚类算法

摘要

有效地处理多视图数据成为了双聚类算法的发展趋势。现有多视图双聚类算法致力于寻找更有效的降维、填充缺失值的方法和整合多源数据以提升聚类效果,以期更准确地识别肿瘤异质性。然而,这些方法普遍采用单向聚类算法,无法挖掘单细胞转录组数据中重要的局部信息。本文提出了一种多视图子空间双聚类算法(Multi-View Bi-Clustering,MVBC),MVBC首先通过稀疏矩阵分解从多视图数据中提取更为稠密的子空间,再在子空间上进行三因子矩阵分解得到双聚类,并且使用流行正则项进一步提高聚类的精度。本文将子空间学习与双聚类统一学习优化,增强彼此间的耦合性,并给出了相应的迭代优化方法。在大型多视图稀疏数据上的实验结果表明,MVBC比已有相关方法能更准确地识别双聚类簇,有效地指导多视图数据分析。