基于高斯混合模型的基因表達數(shù)據(jù)聚類研究.pdf

1、由于DNA檢測方法的不斷創(chuàng)新與廣泛運用，越來越多的基因表達數(shù)據(jù)被測量出來，通過對這些測量數(shù)據(jù)的研究，能夠獲得基因功能及調(diào)控相關的信息。目前聚類算法是一種比較有效的面向基因表達數(shù)據(jù)的數(shù)據(jù)挖掘方法，但基因表達數(shù)據(jù)通常具有高維度、噪聲大以及數(shù)據(jù)量比較大的特性，大大影響了聚類分析的質(zhì)量。因此，進一步深入探索聚類在基因表達數(shù)據(jù)領域的應用很有意義。
　　近年來，基于高斯混合模型的聚類算法因其適應性高，聚類性能好等優(yōu)點，在聚類領域得到了很大的關

2、注，相關的應用和研究也是越來越深入。本文以基因表達數(shù)據(jù)作為研究對象，在高斯混合密度模型的基礎上做了相關聚類算法的實驗探究，相關的工作可以概括為以下三點:
　　(1)本文具體闡述了基因表達數(shù)據(jù)基本概念，以及聚類在基因表達數(shù)據(jù)領域的研究背景和意義。介紹了高斯混合模型相關的基礎知識和基本理論，并且討論了模型選擇相關的算法思想。
　　(2)研究并實現(xiàn)了在高斯混合模型基礎上的K均值方法與EM算法的基因表達數(shù)據(jù)的聚類分析。針對EM算法中

3、的初始類的數(shù)目很難決定，為了優(yōu)化初始參數(shù)，將K均值方法與EM方法相結(jié)合，提出了一個新的適用于基因表達數(shù)據(jù)的聚類方法(New_KEM)。New KEM首先利用K均值方法全局性、效率高的特點，快速得到聚類的起始類的劃分，將其設置為高斯混合模型的初始參數(shù)值，進一步采用EM方法進行聚類，得到最優(yōu)聚類結(jié)果。通過兩次對真實數(shù)據(jù)集的實驗測試，將New_KEM算法分別與K均值方法以及EM方法進行了比較。實驗表明，該算法是一種有效的聚類方法，在實驗數(shù)據(jù)集

4、上取得了比較高的準確度。
　　(3)研究并實現(xiàn)了基于譜聚類和高斯混合模型的基因表達數(shù)據(jù)的聚類方法及其相關技術(shù)。針對K均值方法對樣本數(shù)據(jù)的分布形狀敏感，在不同的初始化分下會產(chǎn)生不一樣的聚類結(jié)果，而且常常陷入局部最優(yōu)等情況，為了優(yōu)化K均值聚類的效果，弱化隨機值導致的初始化性能不高對實驗結(jié)果的影響，引入譜聚類算法思想。在New_ KEM方法基礎上提出了結(jié)合譜聚類的高斯混合模型聚類方法(New_SKEM)，通過對基因表達數(shù)據(jù)集的實驗驗證，