基于SOM神經網絡的聚類可視化方法研究.pdf

1、隨著數據庫技術的成熟應用和Internet的迅速發(fā)展，人們利用信息技術生產和搜集數據的能力大幅度提高，使得從大量數據中挖掘出有用的信息或知識成為一個迫切需要解決的問題。正是這種需求推動了數據挖掘的興起和數據挖掘技術的發(fā)展。數據挖掘經常要面對一些有噪聲、雜亂、非線性的數據，而神經網絡具有良好的魯棒性、自適應性、并行處理、分布存儲和高度容錯性等特點，因此神經網絡非常適合解決數據挖掘的一些問題。 聚類分析是數據挖掘的一項重要功能，特別

2、對高維數據的分析具有非常大的優(yōu)勢。自組織特征映射（SOM）神經網絡不但在數據挖掘、機器學習、模式分類和可視化中得到了廣泛的應用，同時可視化技術是進行生物數據挖掘的重要手段。 本文以聚類算法為基礎，總結和分析現有的數據可視化方法，對聚類結果可視化技術進行深入且細致的研究。并提出用非線性主成分分析（NLPCA）和自組織映射（SOM）網絡相結合的方法對生物信息學中基因表達數據進行聚類可視化分析。通過對實驗結果的分析，表明這種方法有較高