基因微陣列數(shù)據(jù)的分析算法.pdf

1、基因微陣列（又稱基因芯片）可應用對于不同發(fā)展階段，不同人體組織，不同臨床條件以及不同生物體等條件下的基因表達水平的測量。基因芯片的出現(xiàn)正在給生命科學研究、疾病診斷、新藥開發(fā)、食品衛(wèi)生監(jiān)督等領域帶來一場革命。與此同時，由基因微陣列技術帶來的海量數(shù)據(jù)也對傳統(tǒng)的信息處理技術帶來了很大的挑戰(zhàn)。鑒于此，本文對基因微陣列的預處理和聚類算法進行了研究。本文的主要貢獻如下：
　　 首先，提出了一種改進的穩(wěn)健Lowess算法，對基因微陣列的數(shù)掘進

2、行標準化處理。該算法首先利用局部加權線性回歸對數(shù)據(jù)點進行平滑估計，然后再利用核估計算法對誤差項進行估計，以進一步減小誤差，最后對每個格子里的數(shù)據(jù)點進行縮放處理。實驗證明了本文算法的高效性。
　　 其次，本文提出了一種新的基因表達矩陣的缺失值估計算法。該算法首先利用迭代的K-means算法來挑選無缺失基因，再用James-Stein估計算法并結合核估計算法得出最后的估計值。實驗證明該算法在低缺失率的時候優(yōu)于其它傳統(tǒng)估計算法。

3、>　　 再次，本文對模糊譜雙向聚類算法進行了改進。雖然模糊譜雙向聚類算法能夠取得不錯的效果，但是由于其使用的FCM算法對數(shù)據(jù)類型的敏感性及其局部搜索能力，限制了它的使用，因此本文應用GG算法和遺傳算法來改進原算法的局限性。實驗證明本文改進算法的優(yōu)越性。
　　 最后，本文提出了一種基于基因和條件提取的雙向聚類算法。該算法利用央角余弦法排除那些對聚類結果貢獻小的表達數(shù)據(jù)，使得聚類只在提取的基因和條件中進行，從而降低了計算復雜度。實