bioRxiv 预印本· Pham, T., Zhong, J., Hwang, J., Agarwala, R., Zhang, K., Mali, P., Kim, W., Tamayo, P. ·· 2026-10-19AI 评分18
可变稀疏性非负矩阵与张量分解算法及其在癌症基因组学中的应用
Variable sparsity non-negative matrix and tensor factorization algorithms and their applications in cancer genomics
AI 导读
研究人员提出可变稀疏性非负矩阵分解算法(vsNMF),不再将稀疏性作为目标函数正则约束,而是在标准NMF更新后对W的每列和H的每行执行投影步骤显式施加稀疏性,输入为矩阵加两个指定稀疏函数的一维向量。该方法可在基于部件的生成式编码与软聚类模型之间调节,提升生物可解释性,并可用于数据集整合与肿瘤样本分组。研究还将该方法扩展至张量,提出可变稀疏性非负张量分解算法(vsNTF)。
来源:bioRxiv 预印本 · biorxiv.org