生物芯片数据方法.ppt.ppt

1 2 3 4 1 2 1 2 K – 均值聚类在基因芯片实验中的应用 Step 1: 假设基因表达模式的距离为基于距离矩阵的二维空间中的变量 Step 2: 随机选择第一个类中心（质心，红色），然后通过寻找与已选择的类中心最远的数据点来确定下一个类中心。本例中, k=3。 K – 均值聚类在基因芯片实验中的应用 * K-MEANS CLUSTERING ALGORITHM(CONTINUED) Step 3: 每一个点被分配到与其最近的类中心 Step 4: 重新计算每一个类的质心，通过最小化类内每个点与质心的距离平方和来移动质心、计算下一个类中心 K-MEANS CLUSTERING ALGORITHM(CONTINUED) 重复步骤3、4、5直至质心不变或变化很小。 Step 5: 重复步骤3和4，获取新的替代质心 利用MATLAB进行K-均值聚类 IDX = KMEANS(X, K) 利用MATLAB进行K-均值聚类 (三)自组织映射聚类 基本思想：在不断的学习过程中，输出层的神经元根据输入样本的特点进行权重调整，最后拓朴结构发生了改变 3、自组织映射聚类(SOM) 自组织映射聚类(Self-Organizing Map, SOM)，是由T.Konohen 于1980 年提出的模型，属于非监督学习的神经网络聚类，与K-means 相似，采用SOM 聚类算法之前，也要首先