.png){kind=icon}
返回
BL-FlowSOM: Consistent and Highly Accelerated FlowSOM Based on Parallelized Batch Learning
.png){kind=icon}
OA
AI
DOI：10.1002/cyto.a.24934.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
流式细胞术数据维度的近期增加推动了各种计算分析方法的开发。FlowSOM 是性能最佳的聚类方法之一，但在聚类过程的一致性和速度方面仍有改进空间。在此，我们介绍了批学习 FlowSOM（BL-FlowSOM），这是一种基于并行批学习的、具有一致性和高度加速的 FlowSOM。将学习算法从在线学习更改为以主成分分析初始化的批学习，提高了聚类过程的一致性并消除了其中的随机性。它还使学习过程能够并行化，从而在聚类质量与 FlowSOM 相当的情况下，显著加速聚类过程。BL-FlowSOM 可在 Sony 的 Spectral Flow Analysis（SFA）-Life sciences 云平台上获取（）。
Keyword:
batch learning
computational cytometry
high-dimensional flow cytometry
parallelization
self-organizing map
spectral flow cytometry
unsupervised clustering
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.1
论文数:
120
被引数:
5.2K
机构
引用论文
分享收藏分享收藏分享收藏Analysis of codon usage diversity of bacterial genes with a self-organizing map (SOM): characterization of horizontally transferred genes with emphasis on the E. coli O157 genome用自组织图谱 (SOM) 分析细菌基因的密码子使用多样性: 水平转移基因的表征，重点是大肠杆菌O157基因组.png)
Gene
GeneIF0
PREAI
分享收藏
查看更多内容