Startseite UR

Sparse Nonnegative Matrix Factorization Applied to Microarray Data Sets

Stadlthanner, K. und Theis, Fabian J. und Lang, Elmar und Tomé, A. und Puntonet, C. G. und Gomez-Vilda, P. und Langmann, T. und Schmitz, G. (2006) Sparse Nonnegative Matrix Factorization Applied to Microarray Data Sets. In: Rosca, J., (ed.) Independent Component Analysis and Blind Signal Separation, 6th International Conference, ICA 2006, Charleston, SC, USA, March 5-8, 2006. Proceedings. Lecture notes in computer science, 3889. Springer, Berlin, S. 254-261. ISBN 3-540-32630-8 (print), 978-3-540-32630-4 (e-book).

Im Publikationsserver gibt es leider keinen Volltext zu diesem Eintrag.

Zum Artikel beim Verlag (über DOI)


Zusammenfassung

Nonnegative Matrix Factorization (NMF) has proven to be a useful tool for the analysis of nonnegative multivariate data. However, it is known not to lead to unique results when applied to nonnegative Blind Source Separation (BSS) problems. In this paper we present first results of an extension to the NMF algorithm which solves the BSS problem when the underlying sources are sufficiently sparse. ...

plus


Bibliographische Daten exportieren



Dokumentenart:Buchkapitel
Datum:2006
Institutionen:Biologie und Vorklinische Medizin > Institut für Biophysik und physikalische Biochemie > Prof. Dr. Elmar Lang
Identifikationsnummer:
WertTyp
10.1007/11679363_32DOI
Dewey-Dezimal-Klassifikation:500 Naturwissenschaften und Mathematik > 570 Biowissenschaften, Biologie
Status:Veröffentlicht
Begutachtet:Unbekannt / Keine Angabe
An der Universität Regensburg entstanden:Unbekannt / Keine Angabe
Eingebracht am:01 Okt 2010 08:01
Zuletzt geändert:01 Okt 2010 08:01
Dokumenten-ID:16867
Nur für Besitzer und Autoren: Kontrollseite des Eintrags
  1. Universität

Universitätsbibliothek

Publikationsserver

Kontakt:

Publizieren: oa@ur.de

Dissertationen: dissertationen@ur.de

Forschungsdaten: daten@ur.de

Ansprechpartner