基于模糊核聚類的基因芯片數據的研究.pdf

1、隨著基因芯片技術的廣泛應用，產生了海量的基因表達數據。如何分析和處理這些數據，從中提取有用的生物學或醫(yī)學信息，是基因芯片技術應用的關鍵和難點。聚類分析能將功能相關的基因按表達譜的相似程度歸納成共同表達類別，有助于對基因功能、基因調控及細胞過程等進行綜合研究。本文分析了基因表達數據分析中的常用聚類算法，指出了它們的優(yōu)勢和不足，其中模糊核聚類算法以其模糊性劃分數據和處理非線性數據效果好的優(yōu)點而被廣泛應用于基因表達數據的分析。
　　首先

2、，從避免人為初始化聚類參數的角度出發(fā)，提出了一種自適應模糊核聚類算法。該方法依靠減法聚類來確定聚類數目的最小上限，并通過有效性函數測量聚類范圍上不同類數聚類結果的有效性，選擇其中的拐點或極值點作為最佳類數的預測，在算法的迭代過程中也實現了初始聚類中心的預測。利用基因表達數據進行測試，實驗結果驗證了該方法的有效性和可行性。
　　其次，針對模糊核聚類算法容易忽略含有重要信息的離群基因的問題，提出了一種離群模糊核聚類算法。通過對每一個基

3、因分配一個動態(tài)的權值，并在算法迭代中不斷更新權值來發(fā)現離群基因，改善了聚類效果。利用公式推導證明了該算法具有收斂性。將自適應模糊核算法與離群模糊核聚類算法相結合，提出了一種自適應離群模糊核聚類算法，并利用酵母細胞基因表達數據對算法進行測試，仿真結果表明，該算法無論是在優(yōu)化精度方面還是在優(yōu)化效率方面，均較以往提出的模糊核算法在性能上有所提高。
　　最后，設計并實現基因表達數據聚類分析系統(tǒng)，系統(tǒng)主要實現了基因數據的載入、數據的預處理、