一種用于挖掘基因表達數(shù)據(jù)的動態(tài)聚類算法.pdf

1、為了揭示基因表達數(shù)據(jù)中所蘊含的信息，許多數(shù)據(jù)挖掘的技術被廣泛的應用于基因表達數(shù)據(jù)的研究上來。由于基因表達數(shù)據(jù)量的龐大以及生物信息網(wǎng)絡的復雜性，數(shù)據(jù)挖掘技術中的聚類分析技術被認為是一種非常有效的分析基因表達數(shù)據(jù)的方法。本文的目標就是提出一種新的用于挖掘基因表達數(shù)據(jù)的快速有效的聚類分析算法。　　本文首先探討了數(shù)據(jù)挖掘的基本特征、主要的數(shù)據(jù)挖掘技術、聚類技術的基本概念以及主要的聚類分析算法。在此基礎上著重介紹了聚類技術在基因表達數(shù)據(jù)研究上的

2、應用。其中，重點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?！　”疚奶岢鲆环N新的動態(tài)聚類分析算法。在基因表達數(shù)據(jù)集預處理方面，采用一種基于主成分分析的方法，對數(shù)據(jù)集進行特征提取，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，探討一種動態(tài)的聚類算法，依據(jù)貢獻率的順序，通過不斷的對聚類進行拆分和合并操作，以達到最佳的聚類效果。最后，應用新算法分析和處理實際