肖像権侵害？ ～べつにいいんだけど。

　皆様こんばんは。カビの浮いたペットボトル(2L)のお茶を、それと気づかずしばらく愛飲していたぴかりんです。

　先日オケの知人より、某音楽教室ホームページのトップの写真に載ってるよ！？（ぴかりんは関係無いはずなのに）　と話を聞き、見てみました。どれどれ。

ライズ音楽教室
http://rise5.com/

　確かに、よ～く目を凝らすと写ってますね。おそらくこれは去年のＹ師匠教室発表会にむけた協奏曲合わせの練習の模様だと思います。こんな写真撮られた記憶はないのですが、誰か撮ってたのですね。しっかし、よくこんな小さく不鮮明な写真で気づく人がいるもんだ。。。そちらにびっくりです。
　他のページも見てみると、講師陣にはおなじみの方や意外な方などなど知っている方がたくさんです。また、最近カメラマンをすることが多いので、どうも全体的に画像の荒さや構図が気になります。それ以前に、この手作り感満載さは。。。制作担当者さんの涙ぐましいまでの勉強の跡がうかがえます。
　今後、また練習場所に使わせていただくこともあるかと思いますが、どうぞよろしくお願いします♪

【論】Bertoni,2007,Model order selection for bio- ～

Alberto Bertoni and Giorgio Valentini
Model order selection for bio-molecular data clustering
BMC Bioinformatics 2007, 8(Suppl 2):S7
[PDF][Web Site]

・マイクロアレイデータのクラス分け法として、MOSRAM (Model Order Selection by RAndomized Maps) を提案する。
・データ
1. Synthetic data, 1000-dimensional synthetic multivariate gaussian data set (sample1) with relatively low cardinality (60 examples), characterized by a two-level hierarchical structure.
2. Leukemia [Golub]
3. Lymphoma [Alizadeh]
・比較したクラス分け法
1. Class. risk [Lange et al 2004]
2. Gap statistic [Tibshirani et al 2001]
3. Clest [Dudoit and Fridlyand 2002]
4. Figure of Merit [Levine and Domany 2001]
5. Model Explorer [BenHur et al 2002]
・生物学的知識によるクラス分けを正解とし、これにいかに近い最適クラス数をはじき出すかで評価する。
・MOSRAM は mosclust R package で実行可能。

・問題点「A drawback of most clustering algorithms is that they cannot automatically detect the "natural" number of clusters underlying the data, and in many cases we have no enough "a priori" biological knowledge to evaluate both the number of clusters as well as their validity.」
・方法「We propose a stability method based on randomized maps that exploits the high-dimensionality and relatively low cardinality that characterize bio-molecular data, by selecting subsets of randomized linear combinations of the input variables, and by using stability indices based on the overall distribution of similarity measures between multiple pairs of clusterings performed on the randomly projected data.」
・概要「In this paper we extend the Smolkin and Gosh approach to more general randomized maps from higher to lower-dimensional subspaces, in order to reduce the distortion induced by random projections. Moreover, we introduce a principled method based on the Johnson and Lindenstrauss lemma [19] to properly choose the dimension of the projected subspace.」

・アルゴリズムに "random" の要素が入るところがミソらしいが……なんだかよくわからず。