CIS_一种基于迭代扩张的微阵列数据聚类算法_王晓明.pdf

2007V ol.34 №.8 　 CIS: 1 2 　　 1 2 (辽宁科技大学电信学院　鞍山 114044)　(东北大学　沈阳110004 ) 　 　　DN A 微阵列技术使同时监测成千上万的基因表达水平成为可能。 直接把传统聚类 法用于高维基因表达 数据分析会受到“维难”的困扰。特征转换和特征选择是两种常用的降维方式, 但前者产生的新特征难以用原来的领 域知识解释, 后者通常会丢失信息。 另外, 传统的聚类 法通常由用户指定聚类参数, 参数设置不同对聚类结果有很 大的影响。 针对上述问题, 本文提出了一种新的基于迭代扩张的微阵列数据聚类 法-CIS。 它不采用特征转换和特 征选择的方式, 并自动确定聚类参数。 CIS 反复用最新得到的样本聚簇得到新的聚类基因, 然后以新的基因聚簇为特 征重新聚类样本, 逐步求精, 最终的结果容易解释且避免了信息的丢失。 该方法降低了由于用户缺少领域知识引起的 实验误差。 CIS 法被应用于两 个真实的微阵列数据集, 实验结果证实了 法的有效性。 　微阵列, 聚类, 降维 　 CIS:An I terative Spread-based Algorithm for Clustering Micro-array Data WA NG Xia-o M ing1 　YIN Ying 2 1 2 (Liaoning U niversi y of Science and T ech nology , A nshan 114044) 　(N or heas ern U niversi y, Sheny ang 110004) 　 Abstract　DN A M icr -o ar ray echnique makes i possible o simul aneo u sly mo ni or he e xpression levels o f ens o f hou sands of g enes . T he r adi ional clu s ering me hods w ill suff er fro m he curse of dimensio nali y w hen direc ly ap- plied o M icr -o ar ray da a. T he w o commo n dimensionali y reduc ion me ho ds, i . e. f ea ure ransforma ion and f ea ure selec ion, are unsui able fo r he analy sis of M icr -o ar ray da a, since he for me r g ene ra es he new f ea ures diff icul o in- e rpre and he la er misses some infor ma ion . Be sides, mos radi ional clu s e ring algo ri hm s need he u se-r specif ic pa rame ers, w hich may resul in qui e diff e ren resul s. In his paper, w e presen an i er a ive spread-based algo ri hm, namely CIS, fo r clu s ering M icro-ar ray da a, w hich selec s