数据聚类分析算法在基因表达中的研究和应用.pdfVIP

数据聚类基因算法在基因表达中的研究与应用 摘要：基因表达数据的剧烈增长致使现阶段迫切需要有效的工具来分析 基因表达数据并挖掘其中隐含的生物学信息。目前被使用得最广泛的有 力工具是聚类分析算法，且近年来不断有人提出新的聚类分析算法。然 而各聚类分析算法因其原理等方面的不同而在分析基因表达数据时有不 同的效率。如何对各种聚类分析算法进行有效的分析，并开发出新型的 更有效的聚类分析算法便成了当务之急。 本文在综述了K．MEANS聚类算法、自组织映射(SOM)聚类算法、 Silhouette指数等相关理论的基础上，对几种聚类分析算法进行了分析与 总结，针对原始K．MEANS聚类算法中中心点选取的缺陷，设计了一种优 SOM聚类算法，并利用Matlab实现了两种改进算法。并将三种聚类分析 算法应用于两组真实的基因表达实验数据的聚类，对三种聚类算法聚类 效果的优劣进行对比分析。 本文在理论研究基础上实现了对K．MEANS算法以及自组织映射 (SOM)算法的优化，通过对几组实验结果进行分析，证明对原始的 K．MEANS聚类算法以及自组织映射(SOM)聚类算法改进的有效性。 本文图14幅，表7个，参考文献65篇。 关键词： (SOM)聚类；聚类分析算法 分类号：TP311 万方数据 ABTheResearchand onGene ApplicationExpressionby ClusteringAlgorithms Abstract：Theincreasein data resultedinan rapid geneexpression urgent needatthis aneffectivetoolto dataand stage analyzegeneexpression the information．Cluster has miningimplicitbiological analysisalgorithm beenthemost used toolfordata inrecent widelypowerful mining．andyears lotsofcluster were cluster analysisalgorithmssuggested．Howeveranalysis differsfromeachotherin inthe of algorithm ef|ficiencyanalysisgene databecauseofitsdifferent to expression principles．Howeffectivelyanalyze a ofcluster new variety andmoreeffective analysisalgorithms，anddevelop willbecomea clusteringanalysisalgorithm priority． Severaltheorieswere