資源描述：
《基于極大閉模式的序列投影聚類技術(shù)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、萬方數(shù)據(jù)分類號(hào)UDC密級(jí)學(xué)位論文基于極大閉模式的序列投影聚類技術(shù)研究作者姓名：田國(guó)超指導(dǎo)教師：趙宇海副教授東北大學(xué)信息科學(xué)與工程學(xué)院申請(qǐng)學(xué)位級(jí)別：碩士學(xué)科類別：工學(xué)學(xué)科專業(yè)名稱：計(jì)算機(jī)應(yīng)用技術(shù)論文提交曰期：2014年6月日論文答辯日期：2014年6月21日學(xué)位授予日期：2014年7月日答懶會(huì)主席：?jiǎn)探ㄖ医淌谠u(píng)閱人：李曉光教授劉輝林教授東北大學(xué)2014年6月萬方數(shù)據(jù)AThesisinComputerApplicationTechnologyStudyonTechniquesofMC·-patternBasedSequenc
2、eProjectionClusteringByTianGuochaoSupervisor：AssociateProfessorZhaoYuhaiNortheasternUniversityJune2014萬方數(shù)據(jù)獨(dú)創(chuàng)性聲明本人聲明，所呈交的學(xué)位論文是在導(dǎo)師的指導(dǎo)下完成的。論文中取得的研究成果除加以標(biāo)注和致謝的地方外，不包含其他人己經(jīng)發(fā)表或撰寫過的研究成果，也不包括本人為獲得其他學(xué)位而使用過的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均己在論文中作了明確的說明并表示謝意。學(xué)位論文作者簽名：、羽]國(guó)多魚日期：2_oI壚，
3、占、乙f學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者和指導(dǎo)教師完全了解東北大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定：即學(xué)校有權(quán)保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱和借閱。本人同意東北大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索、交流。作者和導(dǎo)師同意網(wǎng)上交流的時(shí)間為作者獲得學(xué)位后：半年口一年口一年半口學(xué)位論文作者簽名：溷匡諺絲簽字日期：乙p忡．6．乙J／兩年一新簽名：麥螬遍簽字日期：二。／牛、彖糾．I．萬方數(shù)據(jù)東北大學(xué)碩士學(xué)位論文摘要基于極大閉模式的序列投影聚類技術(shù)研究摘要投影聚類作為一種重要的高維
4、聚類分析技術(shù)，不同于子空間聚類，投影聚類要求得到一組互斥的對(duì)象劃分，不允許不同聚類共享相同的對(duì)象。由于投影聚類的結(jié)果具有良好的區(qū)分特性，使得該方法開始被應(yīng)用于基因表達(dá)數(shù)據(jù)分析中，用來區(qū)分樣本的具體表型。而己存在的大多數(shù)投影聚類方法基于迭代調(diào)整框架而導(dǎo)致雞．蛋問題。這常常帶來許多缺陷：(1)敏感的調(diào)整順序(2)不合理的基因獨(dú)立假設(shè)(3)過多地挑選低識(shí)別能力的基因。本文中提出了一種新的算法框架，基于極大閉模式的序列投影聚類算法MCPC避免了這些問題。不同于之前的研究，此方法的搜索框架不是基于迭代的，并且利用了基因中的序關(guān)系。
5、因此，不需要擔(dān)心調(diào)整順序的敏感性問題并且不受基因獨(dú)立性假設(shè)的約定。進(jìn)一步的，由于利用了之前研究忽略的許多有效信息，它提高了類型區(qū)別的準(zhǔn)確性并且僅用更少的基因。該算法是基于投影散度和(盤D有效性的概念計(jì)算代表區(qū)分子序列的能力，然后根據(jù)最能區(qū)分樣本的子序列對(duì)樣本進(jìn)行聚類，同時(shí)能找到診斷基因。主要包括下面三個(gè)部分：(1)把微陣列數(shù)據(jù)轉(zhuǎn)化為g宰．sequence模型，并且利用位置矩陣進(jìn)行保存。(2)基于模版驅(qū)動(dòng)的模板方式進(jìn)行子序列枚舉，將問題轉(zhuǎn)化為極大閉模式挖掘問題，為每個(gè)樣本找到最大區(qū)分能力的子序列，在搜索過程中利用了有效的削
6、減策略。(3)根據(jù)每個(gè)樣本的最大區(qū)分能力子序列劃分塊，最后把這些塊聚成K類，同時(shí)發(fā)現(xiàn)診斷基因模式。大量的實(shí)驗(yàn)證明，MCPC比現(xiàn)有的研究方法更有效的提高了表型劃分的準(zhǔn)確度和效率并能夠發(fā)現(xiàn)診斷基因模式，這個(gè)結(jié)果在生物學(xué)和統(tǒng)計(jì)學(xué)是非常有意義的。關(guān)鍵詞：序列模式挖掘；投影聚類；極大閉序列；診斷基因；等價(jià)維組萬方數(shù)據(jù)東北大學(xué)碩士學(xué)住論文AbstractStudy，ProjectionClusteringAbstractAsanimportanthigh-dimensionalclusteringanalysistechniques
7、，projectionclustering，unlikesubspaceclustering．Projectionclusteringrequireasetofmutuallyexclusiveobjectsdivided，it'snotallowedtosharethesameobjectindifferentclusters．Astheresultoftheprojectionclusteringhavegooddifferentiatefeatures，projectionclusteringbegantobeap
8、pliedingeneexpressiondataanalysis，whichusedtodistinguishthespecificphenotype．However,Mostoftheexistingmethodsaddressthechicken．．a(chǎn)nd．-eggproblembyaniterativeadj
