哈尔滨医科大学《数据挖掘》第9章 附加问题与算法.pptVIP

完全图模块（Cliques modules） 完全图是每对节点都直接连接的图。 在蛋白质网络中的完全图经常对应蛋白质混合物和共同的功能。这种模块也反应了共表达基因的簇。 介数中心性聚类BCC 该方法也称为GN算法，由Girvan和Newman开发而得名。 算法： 计算在网络中的所有边的介数。 删除最高介数的边。 重新计算网络中的所有边的介数。 重复步骤2，3直到没有任何边存在。 介数（betweenness） 介数定义为： 有{B，A，D}，{C，A，D}，{D，A，C，E}以及它们的逆序路径共6条最短路径通过节点A，节点A的介数为6。 模块化（modularity） 一个好的划分方案得到的结果应该使得模块内的边更多而模块间的边更少。 如果最小化模块间的连接（或最大化模块内的连接），那么最优的划分方案是形成一个单一模块，那样模块间没有任何连接。 模块化（modularity）测度能够解决这个问题。 是模块的数量，L表示在网络中边的数量， 代表在模块s中的边数量， 代表在模块中所有结点的度的和。如果所有的结点在同一个模块中（单一模块），M将等于0。 最大化模块化测度的聚类 Clauset等人开发了贪心方法，从一些初始结点出发，迭代的试探加入邻近的结点和边。加入的边要保证使模块化M值增加。 Blondel等人开发了局部最优方法，该方法计算初始划分后，将每个划分后的簇当成新的更小网络中的结点，然后在这样更小的加权网络中寻找保证模块化M值增加的划分。直到M不增加算法停止。该方法速度快，聚类效果也往往比贪心的方法好。 Guimera和Amaral等人提出模拟退火算法寻找使M最大化的划分。因为该方法是全局优化方法，因此得到的效果往往比上面的局部最优方法好。 最大化模块化测度的聚类 模拟退火方法 目标函数C=-M 接受准则: 效果 CPM 全连接集搜索方法(the Clique Percolation Method, CPM) 算法： 寻找网络中所有的完全图，这将形成多个不同结点数k的clique，即k-cliques （k=3,4,… ） 合并所有共享k-1个节点的k-clique，合并后的子图形成模块（也称为k完全图社区k-clique-community）。 CPM方法的软件CFinder CFinder 是一种基于全连接集搜索方法(the Clique Percolation Method, CPM)的网络密集集团模块搜索和可视化分析软件。 它能够在网络中寻找指定大小的全连接集，并通过全连接集中共享的节点和边构建更大的节点集团。 社会网络的K-clique模块 社会网络K-clique是所有结点间的最短距离小于等于k的图。 算法： 设置参数k。 计算网络中的所有最大的社会网络K-clique。 每个k-clique形成一个模块。 3-clique 基于基因组的通路识别方法 K-clique 方法 通路富集分析 超几何检验（hypergeometric test） m：人类所有基因数 t：通路中所有的基因数 n：疾病风险基因数（用户提供的基因集合中的基因数） r：注释到通路中的疾病风险基因数 t n m r 通路基因 疾病风险基因 人类所有的基因 SubpathwayMiner系统工具 子通路识别 酪氨酸代谢 SubpathwayMiner应用 识别抗肿瘤药物紫杉醇(Paclitaxel)在宫颈癌中的活性子通路 亲和力传递（Affinity propagation）聚类 i j i j 4 消除对象碰巧接近和处理变密度！ SSN相似度特点 能处理一个对象碰巧与另一对象相对接近，但属于不同的类。在这种情况下，对象一般不共享许多近邻，SNN相似度低。 能处理变密度簇的问题。一对点之间的SNN相似度只依赖于两个对象共享的最近邻的个数。 Jarvis-Patrick（JP）聚类算法 计算SNN相似度图 使用相似度阈值，稀疏化SNN相似度图 找出稀疏化的SNN相似度图的连通分支 优点与局限性 因为JP聚类基于SNN相似度概念，它擅长于处理噪声和离群点，并且能够处理不同大小、形状和密度的簇。 该算法对高维数据效果良好。 JP聚类脆弱：它把簇定义为SNN相似度图的连通分支,数据对象集分裂成两个簇还是作为一个簇留下，可能依赖于一条链。 基于图的聚类 稀疏化 最小生成树聚类 OPOSSUM Chameleon Jarvis-Patrick聚类算法 基于SNN密度的聚类 基于SNN密度的聚类 算法： 计算SNN相似度图 以用户指定的参数Eps和MinPts，使用DBSCAN聚类 例子：解释该算法处理高维数据能力 SNN Clusters of SLP. SNN Density of Points on