通过最优排列对矩阵进行聚类
摘要：矩阵是一种二维数据结构，可以概念化地组织信息。例如，邻接矩阵可以用来存储网络的链接；相关矩阵是将基因共表达数据或神经元活动的相关性整理成简单的方式。将矩阵值聚类成易于解释的几何图案有助于我们理解和解释由矩阵条目描述的系统组件的功能和结构组织。在这里，我们介绍了一种理论框架，通过执行求解最优排列问题获得的相似变换来将矩阵聚类为所需的模式。在计算方面，我们提出了一种快速聚类算法，可以应用于任何类型的矩阵，包括非正规和奇异矩阵。我们应用我们的算法到Caenorhabditis elegans神经系统的神经相关矩阵和突触邻接矩阵，通过执行不同类型的聚类，包括分块对角、嵌套、条带和三角形模式。其中一些聚类模式在生物学上具有重要意义，因为它们将矩阵条目分成了与C. elegans神经元已知分类相匹配的四个大类，即：内源性元件、运动元件、感觉元件和多模元件。
作者：Flaviano Morone
论文ID：2110.12776
分类：Disordered Systems and Neural Networks
分类简称：cond-mat.dis-nn
提交时间：2022-09-29