隣接行列をクラスター化する最良の方法

8

結果として得られる隣接行列のクラスターを解釈するのに苦労しました。時系列（ニューラルデータ）の部分相関（zスコア）を含む、サブジェクトを表す比較的大きな200の行列があります。目標は、これらの210のマトリックスをクラスター化し、未発見の潜在的なコミュニティを検出することです。そのため、200x200の隣接行列を生成する別の部分相関計算を行いました。コミュニティ検出アルゴリズム（例：Newmann's）を実行すると、ほとんど解釈できないコミュニティが発生します。

問題は、これらのコミュニティまたはクラスターがまったく重要であるかどうかを判断する、どのような統計的検定ですか？もしそうなら、解釈を解く体系的な方法はありますか？

clustering neuroimaging

— ファハド
ソース

私が知る限り、これを行うための単一の「正しい方法」はありません。アプローチは、距離行列に階層的クラスタリングのようなものを使用することです

ここで、

は相関です。もう1つは、後者の相関行列が意味のある関係を捉えるかどうかです。それを作成するためにどのような手順が取られましたか？

1 - | ρ |

$1 - |\rho|$

ρ

$\rho$

— 2014年

ありがとう。あなたの質問に関して、私がやったことは、corrcoef（単純な相関）を使用してすべての行（または被験者のデータ）を他のすべての被験者と相関させ、それが結果を得た方法です。私はパターンを検出しようとしているので、もう一度相関をとる必要がありました。

— 2014年

OPでは、サブジェクトデータは行列値であることが推奨されますが、これはどのようにサブジェクトごとに1行になるのですか？

— 2014年

2

私は過去にスペクトルクラスタリングについていくつかの作業を行ったことがあります。基本的な考え方は、隣接行列を使用して、いわゆるラプラシアン行列を形成できるということです。

$L = I-D^{-1/2}AD^{-1/2}$

$(B_1,B_2)$

— アッバス
ソース

2

私は現在同じ問題を見ています。簡単に確認すると、隣接クラスタを分析する最も自然な方法は、スペクトルクラスタリングのようです。詳細については、このブログ投稿を参照してください。

— ハナン・シュティンガート
ソース

0

あるいは...ニューラルデータ（実際または人工）は、多くの場合、データの非常に圧縮された表現です。つまり、データは非常にランダムであるため、相関関係はありません。あなたが持っている!! おめでとう！:)

— レイ
ソース