一種用于挖掘基因表達(dá)數(shù)據(jù)的動(dòng)態(tài)聚類算法.pdf

1、為了揭示基因表達(dá)數(shù)據(jù)中所蘊(yùn)含的信息，許多數(shù)據(jù)挖掘的技術(shù)被廣泛的應(yīng)用于基因表達(dá)數(shù)據(jù)的研究上來。由于基因表達(dá)數(shù)據(jù)量的龐大以及生物信息網(wǎng)絡(luò)的復(fù)雜性，數(shù)據(jù)挖掘技術(shù)中的聚類分析技術(shù)被認(rèn)為是一種非常有效的分析基因表達(dá)數(shù)據(jù)的方法。本文的目標(biāo)就是提出一種新的用于挖掘基因表達(dá)數(shù)據(jù)的快速有效的聚類分析算法?！　”疚氖紫忍接懥藬?shù)據(jù)挖掘的基本特征、主要的數(shù)據(jù)挖掘技術(shù)、聚類技術(shù)的基本概念以及主要的聚類分析算法。在此基礎(chǔ)上著重介紹了聚類技術(shù)在基因表達(dá)數(shù)據(jù)研究上的

2、應(yīng)用。其中，重點(diǎn)描述了兩種普遍采用的聚類算法：K-平均值算法和層次聚類算法，并分析了這兩種算法存在的問題。　　本文提出一種新的動(dòng)態(tài)聚類分析算法。在基因表達(dá)數(shù)據(jù)集預(yù)處理方面，采用一種基于主成分分析的方法，對(duì)數(shù)據(jù)集進(jìn)行特征提取，從而有效的將原始數(shù)據(jù)集從高維度的特征空間轉(zhuǎn)換到低維度的特征空間。在低維度的數(shù)據(jù)集上，探討一種動(dòng)態(tài)的聚類算法，依據(jù)貢獻(xiàn)率的順序，通過不斷的對(duì)聚類進(jìn)行拆分和合并操作，以達(dá)到最佳的聚類效果。最后，應(yīng)用新算法分析和處理實(shí)際