第九章數(shù)據(jù)挖掘與基因表達(dá)調(diào)控信息分析2-展示頁
2025-08-10 12:59本頁面
【正文】 )(j=1,2,…,K) ，則迭代結(jié)束，得到最后的聚類結(jié)果；否則繼續(xù)進(jìn)行迭代計(jì)算。 幾種常用的聚類方法 1． 簡單聚類 2．層次式聚類 3． K平均聚類 4．自組織映射神經(jīng)網(wǎng)絡(luò) 5. 模糊聚類分析方法 聚類分析結(jié)果的樹圖表示 簡單聚類 假設(shè)有 n個(gè)基因 表達(dá)數(shù)據(jù)向量分別為 X1, X2,…, XN ? 令任意一個(gè)基因的表達(dá)向量為第一個(gè)聚類的中心 ? 依次處理其它基因 ? 在處理第 i個(gè)基因時(shí)，首先計(jì)算該基因的表達(dá)數(shù)據(jù)向量與現(xiàn)有各類中心的距離 ? 假設(shè)與第 j類的距離 Dij最小，并且 DijT，則將基因 i分配到第 j類；否則生成一個(gè)新類，該類的中心為第 i個(gè)基因的表達(dá)向量。 在實(shí)際計(jì)算中，往往 以距離代替相似 的概念，相似性度量被轉(zhuǎn)化為兩個(gè)基因表達(dá)模式之間的距離。 對數(shù)據(jù)進(jìn)行聚類分析之前，必須將包含在基因表達(dá)矩陣中的數(shù)據(jù)進(jìn)行相似程度分析，并且對分析結(jié)果進(jìn)行量化。 聚類分析是模式識別中一種非常有吸引力的方法，特別適用于模式分類數(shù)不知道的情況。第九章 數(shù)據(jù)挖掘與基因表達(dá)調(diào)控信息分析（ 2） 主講人：孫 嘯 制作人 ：劉志華 東南大學(xué) 吳健雄實(shí)驗(yàn)室 第四節(jié) 基因表達(dá)數(shù)據(jù)的聚類分析 基因表達(dá)數(shù)據(jù)主要來自于兩個(gè)方面： 一是 基因芯片 ，這是最主要的表達(dá)數(shù)據(jù)來源，利用基因芯片技術(shù)可以大規(guī)模并行獲取基因轉(zhuǎn)錄結(jié)果 mRNA的數(shù)據(jù)。 表達(dá)系列分析 SAGE和差異顯示、蛋白質(zhì)芯片 等是快速檢測蛋白質(zhì)及其含量的另一類技術(shù)。 從機(jī)器學(xué)習(xí)的角度來看，有兩種基本的聚類分析： 有教師聚類 無教師聚類 基因表達(dá)數(shù)據(jù)聚類分析一
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1