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(yīng)用對(duì)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(dá)水平的測(cè)量?；蛐酒某霈F(xiàn)正在給生命科學(xué)研究、疾病診斷、新藥開發(fā)、食品衛(wèi)生監(jiān)督等領(lǐng)域帶來一場革命。與此同時(shí)，由基因微陣列技術(shù)帶來的海量數(shù)據(jù)也對(duì)傳統(tǒng)的信息處理技術(shù)帶來了很大的挑戰(zhàn)。鑒于此，本文對(duì)基因微陣列的預(yù)處理和聚類算法進(jìn)行了研究。本文的主要貢獻(xiàn)如下：
　　 首先，提出了一種改進(jìn)的穩(wěn)健Lowess算法，對(duì)基因微陣列的數(shù)掘進(jìn)

2、行標(biāo)準(zhǔn)化處理。該算法首先利用局部加權(quán)線性回歸對(duì)數(shù)據(jù)點(diǎn)進(jìn)行平滑估計(jì)，然后再利用核估計(jì)算法對(duì)誤差項(xiàng)進(jìn)行估計(jì)，以進(jìn)一步減小誤差，最后對(duì)每個(gè)格子里的數(shù)據(jù)點(diǎn)進(jìn)行縮放處理。實(shí)驗(yàn)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(dá)矩陣的缺失值估計(jì)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(jì)算法并結(jié)合核估計(jì)算法得出最后的估計(jì)值。實(shí)驗(yàn)證明該算法在低缺失率的時(shí)候優(yōu)于其它傳統(tǒng)估計(jì)算法。

3、>　　 再次，本文對(duì)模糊譜雙向聚類算法進(jìn)行了改進(jìn)。雖然模糊譜雙向聚類算法能夠取得不錯(cuò)的效果，但是由于其使用的FCM算法對(duì)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(yīng)用GG算法和遺傳算法來改進(jìn)原算法的局限性。實(shí)驗(yàn)證明本文改進(jìn)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(duì)聚類結(jié)果貢獻(xiàn)小的表達(dá)數(shù)據(jù)，使得聚類只在提取的基因和條件中進(jìn)行，從而降低了計(jì)算復(fù)雜度。實(shí)