聚类分析在中药研究中的运用.pptVIP

常用聚类方法 划分的方法-以K均值方法为例 开始 读取数据 初始化K个聚类中心 将数据对象按照近邻原则分配至各类 重新计算类中心 类中心是否变化 算法结束 是 否 利用K均值分类：K=5 1,2,3,4,5是最后得到的聚类中心 第二十四页，共四十二页。 常用聚类方法 层次聚类方法 层次聚类算法是将所有的样本点自底向上合并组成一棵树或者自顶向下分裂成一棵树的过程，这两种方式分别称为凝聚和分裂。 凝聚层次算法 分裂层次算法 图中，从上向下是凝聚方法； 从下到上是分裂方法 第二十五页，共四十二页。 聚类分析方法 改进的聚类方法 系统聚类方法结合频数分析 系统聚类方法结合主成分分析 模糊聚类分析 主成分聚类分析 基于模型的神经网络聚类分析 基于扩展熵的无监督聚类分析 第二十六页，共四十二页。 应用 第二十七页，共四十二页。 聚类分析在中药研发中的应用 中药分析 聚类分析的方法运用到中药的分析当中，可以将功能相似的对象（化合物/单味药/方剂/药物靶标等）聚集在一起，将功能不同的对象区分开来，从而将中药的复杂的成分分为几个不同的功能类别，这就从一定程度上降低了对中药处理分析的复杂度。 在聚类的过程中，通过不同的特征的选择（比如：化合物结构，化合物靶标，化合物ADME特性，中药的性、味、归、经等）和相似度的定义方法，则可以从不同的角度对化合物进行分类，从不同侧面来发现中药或复方的功能特