PUMA

Akademisches Publikationsmanagement
Publikationen sammeln, verwalten und teilen.

( en | de )

 

Disambiguierung von "Gao, Ying-Lian"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
An Integrated Graph Regularized Non-Negative Matrix Factorization Model for Gene Co-Expression Network Analysis.

, , , und . IEEE Access, (2019)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Yulong Gao University of Stuttgart

Tzu-Ying Chen University of Stuttgart

 

Weitere Publikationen von Autoren mit dem selben Namen

Supervised Discriminative Sparse PCA for Com-Characteristic Gene Selection and Tumor Classification on Multiview Biological Data., , , , und . IEEE Trans. Neural Netw. Learning Syst., 30 (10): 2926-2937 (2019)A Simple Review of Sparse Principal Components Analysis., , , , , und . ICIC (2), Volume 9772 von Lecture Notes in Computer Science, Seite 374-383. Springer, (2016)Regularized Non-Negative Matrix Factorization for Identifying Differentially Expressed Genes and Clustering Samples: A Survey., , , , , und . IEEE/ACM Trans. Comput. Biology Bioinform., 15 (3): 974-987 (2018)Performance Analysis of Non-negative Matrix Factorization Methods on TCGA Data., , , , , und . ICIC (2), Volume 10955 von Lecture Notes in Computer Science, Seite 407-418. Springer, (2018)Semi-supervised Feature Extraction for RNA-Seq Data Analysis., , , , , und . ICIC (3), Volume 9227 von Lecture Notes in Computer Science, Seite 679-685. Springer, (2015)Hypergraph Regularized Discriminative Nonnegative Matrix Factorization on Sample Classification and Co-Differentially Expressed Gene Selection., , , , und . Complexity, (2019)Adaptive total-variation joint learning model for analyzing single cell RNA seq data., , , und . BIBM, Seite 775-778. IEEE, (2021)Application of Graph Regularized Non-negative Matrix Factorization in Characteristic Gene Selection., , , , und . ICIC (2), Volume 9226 von Lecture Notes in Computer Science, Seite 601-611. Springer, (2015)Differentially expressed genes selection via Truncated Nuclear Norm Regularization., , , , , und . BIBM, Seite 1851-1855. IEEE, (2016)L2, 1-GRMF: an improved graph regularized matrix factorization method to predict drug-target interactions., , , , und . BMC Bioinformatics, 20-S (8): 287:1-287:13 (2019)