基因數(shù)據(jù)聚類分析研究.pdf

1、生物學和醫(yī)學的迅速發(fā)展以及基因芯片的逐步實用化都使得同時比較和研究大量基因的特性成為可能,隨之產(chǎn)生了海量的基因數(shù)據(jù)。通過分析這些數(shù)據(jù)可以獲得對人類有益的有關生物結構和功能的信息,對基因數(shù)據(jù)的分析研究已成為生命科學、數(shù)學科學與計算機科學等學科非?；钴S的交叉課題之一。
　　聚類分析是基因數(shù)據(jù)分析的一種重要手段,本文著重研究基因表達數(shù)據(jù)和基因序列數(shù)據(jù)中的聚類分析算法。針對目前常用的基因表達數(shù)據(jù)聚類分析算法中存在的參數(shù)依賴性強,并且在整個

2、聚類過程中類的數(shù)目始終保持不變的缺點,本文引入動態(tài)調整聚類個數(shù)的思想;針對不能對空間中有部分重疊的點進行有效的分類從而不能得到全局最優(yōu)的聚類結果,本文進一步引入偽F統(tǒng)計量,提出了一種基于多維偽F統(tǒng)計量的動態(tài)K-均值聚類算法。根據(jù)用戶要求的聚類次數(shù),每次開始于基因表達數(shù)據(jù)中兩兩基因間在多維表達水平下的相似度矩陣,動態(tài)地選取一定數(shù)目的基因作為初始聚類群,根據(jù)離差平方和法,不斷精練初始聚類群,從而使得聚類個數(shù)不斷地變化,且動態(tài)地向正確的聚類個

3、數(shù)逐漸收斂。該算法能保證最終聚類結果類內散布矩陣之跡達到最小,把多維空間的數(shù)據(jù)點有效劃分為具有特定數(shù)目的不同的類,給出最佳聚類個數(shù)?；趫DBAG的聚類算法是基因序列數(shù)據(jù)分析中經(jīng)典的聚類算法,但在該算法中相似分數(shù)閥值初始值和最長公共子串最小長度閥值如何確定沒有明確給出,本文提出了一種基于比對相似度動態(tài)矩陣SZDM的聚類算法,利用動態(tài)矩陣來表示序列間的匹配關系,明確給出了確定相似度分數(shù)閥值和最長公共子串的最小長度閥值的方法,使得算法具有較好