在生命科学研究中有着广的应用前景-一种基于粗糙k均值.pdfVIP

一种基于粗糙k均值的双聚类算法＊） 胡云 苗夺谦 王睿智 陈敏 （同济大学计算机科学与技术系 上海 201804 ） 摘 要 双聚类算法是为了发现基因表达数据矩阵中局部相似性而提出的新聚类方法。本文根据Cheng和Church[1] 的 打分理论采用自底向上的策略，首先用粗糙k均值算法生成初始的基因数据块，再对这些数据块添加行和列生成初始 的双聚类，然后，删除初始的双聚类中一致性波动不好的行和列从而得到最终的双聚类。实验表明，该算法能够高 效的生成具有共表达水平的双聚类，更能找到一致波动水平很高的双聚类。 关键词 粗糙集，k 均值聚类，双聚类，基因表达数据 A Biclustering Algorithm Based on Rough K-means HU Yun MIAO Duo-Qian WANG Rui-Zhi (Department of Computer Science and Engineering of Tongji University, Shanghai 200092) Abstract Biclustering is a new branch of clustering which is proposed to discover the local homogenous pattern. Based on the score scheme which is proposed by Cheng and Church, this paper uses bottom-up strategy, firstly finds the gene data submatrix using Rough K-means algorithm, then adds some conditions and genes to the block , finally deletes some conditions and genes from the block if necessary, the final results are the biclusters. The experiment shows that this algorithm can efficiently find the co-regulation patterns from the exist gene expression data, especially those highly homogenous patterns. Keywords Rough Set, K-means Clustering, Bicluster Gene expression data 子集只对某些数据点子集有意义的情况。它在基因 1 引言 表达数据模式发现中显示出非常重要的价值，能够 发现感兴趣的样本子集在基因子集中的共表达模 随着生物芯片技术的不断发展，高通量的基因 式。 表达数据对数据分析技术的要求也相应提高，使得 2000 年在第八届分子生物学国际会议上， 传统聚类方法存在的缺陷日益明显：传统聚类分析 Cheng 和Church[1]首先使用双聚类方法分析基因表 方法执行整个空间（条件空间／基因空间）的单向 达数据，设计了一个均方残基打分函数，以均方残 聚类（基因／条件），揭示基因关于条件的全局信 基打分函数小于一个指定阈值为约束机制，采用行 息，无法发现局部信息；传统聚类分析算法实现基