PuSH - Publikationsserver des Helmholtz Zentrums München

Export: TXT Text RIS Endnote (RIS) BIB BibTeX
Ehler, M. ; Filbir, F. ; Mhaskar, H.N.*

Locally learning biomedical data using diffusion frames.

J. Comput. Biol. 19, 1251-1264 (2012)
DOI PMC
Open Access Green möglich sobald Postprint bei der ZB eingereicht worden ist.
Diffusion geometry techniques are useful to classify patterns and visualize high-dimensional datasets. Building upon ideas from diffusion geometry, we outline our mathematical foundations for learning a function on high-dimension biomedical data in a local fashion from training data. Our approach is based on a localized summation kernel, and we verify the computational performance by means of exact approximation rates. After these theoretical results, we apply our scheme to learn early disease stages in standard and new biomedical datasets.
Impact Factor
Scopus SNIP
Web of Science
Times Cited
Scopus
Cited By
Altmetric
1.546
0.965
15
20
Tags
Anmerkungen
Besondere Publikation
Auf Hompepage verbergern

Zusatzinfos bearbeiten
Eigene Tags bearbeiten
Privat
Eigene Anmerkung bearbeiten
Privat
Auf Publikationslisten für
Homepage nicht anzeigen
Als besondere Publikation
markieren
Publikationstyp Artikel: Journalartikel
Dokumenttyp Wissenschaftlicher Artikel
Schlagwörter Graphs And Networks ; Machine Learning; Nonlinear Dimensionality Reduction ; Macular Degeneration ; Geometric Diffusions ; Structure Definition ; Harmonic-analysis ; Laplacian ; Sphere ; Representation ; Eigenfunctions ; Diagnosis
Sprache englisch
Veröffentlichungsjahr 2012
HGF-Berichtsjahr 2012
ISSN (print) / ISBN 1066-5277
e-ISSN 1557-8666
Zeitschrift Journal of Computational Biology
Quellenangaben Band: 19, Heft: 11, Seiten: 1251-1264 Artikelnummer: , Supplement: ,
Verlag Mary Ann Liebert
Begutachtungsstatus Peer reviewed
Institut(e) Institute of Biomathematics and Biometry (IBB)
POF Topic(s) 30501 - Systemic Analysis of Genetic and Environmental Factors that Impact Health
PSP-Element(e) G-551500-001
G-503800-001
PubMed ID 23101786
DOI 10.1089/cmb.2012.0187
WOS ID WOS:000310837400004
Scopus ID 84868653452
Erfassungsdatum 2012-12-06
[➜Korrektur melden]