數(shù)據(jù)聚類(lèi)分析算法在基因表達(dá)中的研究和應(yīng)用.pdf

1、基因表達(dá)數(shù)據(jù)的劇烈增長(zhǎng)致使現(xiàn)階段迫切需要有效的工具來(lái)分析基因表達(dá)數(shù)據(jù)并挖掘其中隱含的生物學(xué)信息。目前被使用得最廣泛的有力工具是聚類(lèi)分析算法，且近年來(lái)不斷有人提出新的聚類(lèi)分析算法。然而各聚類(lèi)分析算法因其原理等方面的不同而在分析基因表達(dá)數(shù)據(jù)時(shí)有不同的效率。如何對(duì)各種聚類(lèi)分析算法進(jìn)行有效的分析，并開(kāi)發(fā)出新型的更有效的聚類(lèi)分析算法便成了當(dāng)務(wù)之急。
　　本文在綜述了K-MEANS聚類(lèi)算法、自組織映射(SOM)聚類(lèi)算法、Silhouette指

2、數(shù)等相關(guān)理論的基礎(chǔ)上，對(duì)幾種聚類(lèi)分析算法進(jìn)行了分析與總結(jié)，針對(duì)原始K-MEANS聚類(lèi)算法中中心點(diǎn)選取的缺陷，設(shè)計(jì)了一種優(yōu)化初始聚類(lèi)中心的K-MEANS聚類(lèi)算法。同時(shí)針對(duì)自組織映射(SOM)聚類(lèi)算法自身的缺陷，設(shè)計(jì)了一種結(jié)合K-MEANS聚類(lèi)算法和Silhouette指數(shù)的SOM聚類(lèi)算法，并利用Matlab實(shí)現(xiàn)了兩種改進(jìn)算法。并將三種聚類(lèi)分析算法應(yīng)用于兩組真實(shí)的基因表達(dá)實(shí)驗(yàn)數(shù)據(jù)的聚類(lèi)，對(duì)三種聚類(lèi)算法聚類(lèi)效果的優(yōu)劣進(jìn)行對(duì)比分析。