基因表達數(shù)據(jù)的聚類算法研究.pdf

1、基因芯片技術使得同時研究成千上萬個基因的表達成為可能，然而如何對基因芯片實驗產(chǎn)生的海量數(shù)據(jù)進行有效的管理和分析己成為使用這一高通量技術的瓶頸。數(shù)據(jù)挖掘中的聚類正是解決此類問題的關鍵技術，但是由于基因表達數(shù)據(jù)的“高維小樣本”特性以及基因的生物特性，又使得傳統(tǒng)的聚類算法受到局限。為此，本文對現(xiàn)有基因表達數(shù)據(jù)挖掘中的聚類算法進行了研究和改進，并將其應用于基因表達數(shù)據(jù)的處理中。
　　首先，對于聚類中的分組數(shù)和群集中心的初始化問題，目前沒有

2、比較有效的解決辦法。這里提出一種基于普里姆算法的群集中心初始化方法；并引入了Xie-ben指標，它在評價聚類結果的好壞的同時，又可給出最佳的聚類數(shù)。
　　其次，針對生物信息學這個特殊領域，傳統(tǒng)的聚類技術對基因表達數(shù)據(jù)很難有效處理。本文將模糊C均值FCM聚類算法與香農(nóng)熵理論相結合，提出了一種基因表達數(shù)據(jù)模糊聚類新方法，定義了關聯(lián)冗余值的概念，通過關聯(lián)冗余值判斷基因間關聯(lián)性的大小，進而進行分組，確定分組模式，該方法可極大提高聚類技術在