基于SOM神經(jīng)網(wǎng)絡(luò)的聚類可視化方法研究.pdf

1、隨著數(shù)據(jù)庫技術(shù)的成熟應(yīng)用和Internet的迅速發(fā)展，人們利用信息技術(shù)生產(chǎn)和搜集數(shù)據(jù)的能力大幅度提高，使得從大量數(shù)據(jù)中挖掘出有用的信息或知識成為一個迫切需要解決的問題。正是這種需求推動了數(shù)據(jù)挖掘的興起和數(shù)據(jù)挖掘技術(shù)的發(fā)展。數(shù)據(jù)挖掘經(jīng)常要面對一些有噪聲、雜亂、非線性的數(shù)據(jù)，而神經(jīng)網(wǎng)絡(luò)具有良好的魯棒性、自適應(yīng)性、并行處理、分布存儲和高度容錯性等特點，因此神經(jīng)網(wǎng)絡(luò)非常適合解決數(shù)據(jù)挖掘的一些問題。 聚類分析是數(shù)據(jù)挖掘的一項重要功能，特別

2、對高維數(shù)據(jù)的分析具有非常大的優(yōu)勢。自組織特征映射（SOM）神經(jīng)網(wǎng)絡(luò)不但在數(shù)據(jù)挖掘、機器學(xué)習(xí)、模式分類和可視化中得到了廣泛的應(yīng)用，同時可視化技術(shù)是進行生物數(shù)據(jù)挖掘的重要手段。 本文以聚類算法為基礎(chǔ)，總結(jié)和分析現(xiàn)有的數(shù)據(jù)可視化方法，對聚類結(jié)果可視化技術(shù)進行深入且細致的研究。并提出用非線性主成分分析（NLPCA）和自組織映射（SOM）網(wǎng)絡(luò)相結(jié)合的方法對生物信息學(xué)中基因表達數(shù)據(jù)進行聚類可視化分析。通過對實驗結(jié)果的分析，表明這種方法有較高