[PPT模板]ppt聚类分析.pptVIP

第五组计11 曾建强 芯片数据的 聚类分析 芯片数据的聚类分析 一、聚类的含义 二、距离、相似函数 三、分层聚类 四、K-means聚类 五、聚类结果的可视化 一、聚类的含义 聚类分析起源于分类学，在古老的分类学中，人们主要依靠经验和专业知识来实现分类，很少利用数学工具进行定量的分类。 随着人类科学技术的发展，对分类的要求越来越高，以致有时仅凭经验和专业知识难以确切地进行分类，于是人们逐渐地把数学工具引用到了分类学中，形成了数值分类学，之后又将多元分析的技术引入到数值分类学形成了聚类分析。 一、聚类的含义 聚类分析内容非常丰富，有系统聚类法、动态聚类法、有序样品聚类法、模糊聚类法、图论聚类法、聚类预报法等。 一、聚类的含义 生物芯片数据聚类是指根据基因片的基因表达数据，将基因按照不同的功能，或者相同的表达行为进行归类。 聚类的基因表达谱为研究人员提供基因表达差异，启动子分析，表达模式研究等等便利的条件。目前已经有很多种聚类的方法应用到基因芯片的研究当中，如分层聚类、K 均值聚类(K-means clustering)、自组织图谱SOM 、PCA等等。 二、距离和相似函数 二、距离和相似函数 1、距离 变量的测量尺度不同，聚类的结果也不同 在生物芯片数据分析（基因表达数据分析）中，我们一般考虑间隔尺度变量，即基因数据间的“距离”。 二、距离和相似函数 二、距离和相似函数 距离有多种定义方法，在聚类分析中最常用的是欧氏距离，即有 当各变量的单位不同或测量值范围相差很大时，应先对各变量的数据作标准化处理。最常用的标准化处理是，令 其中 和 分别为第 个变量的样本均值和样本方差。 一、最短距离法 定义类与类之间的距离为两类最近样品间的距离，即 最短距离法的聚类步骤 (1) 规定样品之间的距离，计算 个样品的距离矩阵 ，它是一个对称矩阵。 (2) 选择 中的最小元素，设为 ，则将 和 合并成一个新类，记为 ，即 (3) 计算新类 与任一类 之间距离的递推公式为 最短距离法的聚类步骤 在 中， 和 所在的行和列合并成一个新行新列，对应 ，该行列上的新距离值由（6.3.2）式求得，其余行列上的距离值不变，这样就得到新的距离矩阵，记作 。 (4) 对 重复上述对 的两步得 ，如此下去直至所有元素合并成一类为止。 如果某一步 中最小的元素不止一个，则称此现象为结(tie)，对应这些最小元素的类可以任选一对合并或同时合并。 二、最长距离法 类与类之间的距离定义为两类最远样品间的距离，即 二、距离和相似函数 2、相似函数 聚类分析方法不仅用来对样品进行分类，而且可用来对变量进行分类，在对变量进行分类时，常常采用相似系数来度量变量之间的相似性。 变量之间的这种相似性度量，在一些应用中要看相似系数的大小，而在另一些应用中要看相似系数绝对值的大小。 相似系数(或其绝对值)越大，认为变量之间的相似性程度就越高；反之，则越低。 聚类时，比较相似的变量倾向于归为一类，不太相似的变量归属不同的类。 二、距离和相似函数 相似函数一般满足的条件 （1） ，当且仅当 和 是常数； （2） ，对一切 ； （3） ，对一切 。 最常用的两个相似系数 三、分层聚类法 三、分层聚类法 分层聚类法即系统聚类法 系统聚类法是聚类分析诸方法中用得最多的一种。 基本思想是：开始将个样品各自作为一类，并规定样品之间的距离和类与类之间的距离，然后将距离最近的两类合并成一个新类，计算新类与其他类的距离；重复进行两个最近类的合并，每次减少一类，直至所有的样品合并为一类。 常用的系统聚类方法： 一、最短距离法 二、最长距离法 三、中间距离法 四、类平均法 五、重心法 六、离差平方和法(Ward方法) 三、分层聚类法 1、 分层聚类(Hierarchical c