基于極大閉模式的序列投影聚類技術(shù)研究.pdf

1、投影聚類作為一種重要的高維聚類分析技術(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。而已存在的大多數(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

2、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。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（k,l)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

3、三個(gè)部分:(1)把微陣列數(shù)據(jù)轉(zhuǎn)化為g*-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)