基于模糊理論的基因表達雙聚類算法研究.pdf

1、隨著生物基因測序的發(fā)展，基因表達數(shù)據(jù)量大且復(fù)雜，雙聚類算法已被廣泛用于挖掘基因表達數(shù)據(jù)，成為一個新的研究熱點。與傳統(tǒng)的聚類不同，雙聚類是從行和列兩個方向同時進行聚類，具有局部聚類的特性。為了對基因表達數(shù)據(jù)進行更好的處理，雙聚類問題也越來越被重視，是生物信息領(lǐng)域的一個重要研究課題。
　　 本文提出了用模糊理論的方法在Cheng和Church算法的基礎(chǔ)上對其進行改進，實現(xiàn)了應(yīng)用在大數(shù)據(jù)上使得聚類更加精確。首先對雙聚類算法加入綜合評判

2、標準，讓算法在對行和列進行添加刪除操作的同時考慮加入綜合評判，使得篩選更加精確，能找出更加精確的雙聚類。然后用模糊隨機變量特征值取大的方法，配合評判矩陣（平方殘基隸屬矩陣），使得算法的迭代不會在原始數(shù)據(jù)上失真。最后對基因表達數(shù)據(jù)做預(yù)處理，選取一個大數(shù)據(jù)跟一個小數(shù)據(jù)進行實驗，并對實驗結(jié)果作對比。該方法主要加入了模糊理論的綜合評判等方法，并使得算法迭代數(shù)據(jù)不失真。實驗結(jié)果表明改進后算法在大數(shù)據(jù)篩選上的平均平方殘基與得到的雙聚類的容量都優(yōu)于原