資源描述：
《聚類算法分析在基因表達數據中的分析應用》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、江蘇科技大學碩士學位論文論文題目聚類算法分析在基因表達數據中的分析應用研究方向數據挖掘學科、專業(yè)計算機應用技術研究生姓名孫杰導師姓名吳陳填表時間2012年3月22日摘要摘要隨著人類基因組計劃的發(fā)展，衍生出數以萬計的基因和海量級增長的基因序列數據，但是數據并不等于信息知識，卻是知識信息的來源。如何從大量的基因表達數據中利用自動分析工具得到有用的知識是目前主要面臨的問題，所以數據的分析方法和工具的開發(fā)越來越受到重視。數據挖掘技術已經被廣泛的應用到基因表達譜的許多方面，并取得相當的成功。數據挖掘就是從大量的實際應用數據庫
2、中提取有用的信息知識，這些知識具有隱藏性、潛在性、未知性。數據挖掘作為一門新型的技術，為生物學家分析數據提供了有效的方法和工具，為基因表達數據分析提供了強有力的手段。數據挖掘方法和工具包括分類與預測、聚類分析、關聯分析、序列分析及時間分析、孤立點分析等等。聚類分析作為一種有效的數據分析工具，已廣泛地應用于圖像處理、信息檢索、數據挖掘等領域。利用聚類算法來分析基因表達數據的一個最主要的原因是基因表達數據數目的龐大，而且在生物學知識里具有已知功能基因的數目相對還是很少。聚類分析是指將一組樣本依據其相互之間的相似程度歸入
3、幾個子類中去，根本思想是確定類群，使同一類內的各個體間差異最小，而不同類間的差距最大。本文中介紹了聚類算法的相似性度量準則歐式距離和Pearson相關系數兩種參數以及提出一種比例相似性度量準則。同時介紹了外部確定和內部確定兩種聚類有效性評價。本文中的聚類算法選用了層次聚類、K均值聚類、自組織映射聚類三種經典算法。層次聚類根據不同類中的相似度準則分為四種不同的連接聚類，然后討論在兩種相似度下的四種層次聚類的有效性的比較。不同的實驗迭代次數，在歐式距離下K均值聚類、自組織映射聚類的基因聚類的正確率以及其中較好的一次的聚
4、類的有效性。比較三種算法優(yōu)缺點提出來一種基于層次聚類和自組織映射聚類的改進算法，根據實驗相關數據得出改進算法在某一些程度上的克服原來方法的缺陷，使得體現了改進算法的優(yōu)點。關鍵詞基因表達數據；數據挖掘；聚類分析；有效性I江蘇科技大學工學碩士學位論文IIAbstractAbstractWiththedevelopmentofhumangenomeproject,tensofthousandsofgenesandmassivegrowthgenesequencedataarederived.Butthedatadoesn
5、otequalinformationknowledge,isthesourceofinformationknowledge.Howtogetusefulknowledgefromthelargeamountofgeneexpressiondatausingautomaticanalysistoolssothedataanalysismethodsandtoolshavebeenpaidmoreandmoreattention.Dataminingtechnologyhasbeenwidelyappliedtogen
6、eexpressionprofilinginmanyaspects,andachievedconsiderablesuccesses.Dataminingextractsusefulinformationknowledgefromalargenumberofpracticalapplicationsofdatabase,whichisthehidden,unknownandpotential.Asanewtechnology,dataminingprovidesaneffectivemethodandtooltoa
7、nalyzedataforbiologistsandapowerfulmeansofgeneexpressiondataanalysis.Methodsandtoolsofdataminingincludetheclassificationandprediction,clusteringanalysis,associationanalysis,sequenceanalysisandtimeanalysis,outlieranalysisetc.Asakindofeffectivedataanalysistools,
8、clusteranalysishasbeenwidelyappliedinimageprocessing,informationretrieval,dataminingandotherfields.Thehugeamountofgeneexpressiondataisoneofthemostmainreasonsofusingclusteringalgori
