基于模糊核聚類的基因芯片數(shù)據(jù)的研究.pdf

1、隨著基因芯片技術(shù)的廣泛應(yīng)用，產(chǎn)生了海量的基因表達(dá)數(shù)據(jù)。如何分析和處理這些數(shù)據(jù)，從中提取有用的生物學(xué)或醫(yī)學(xué)信息，是基因芯片技術(shù)應(yīng)用的關(guān)鍵和難點。聚類分析能將功能相關(guān)的基因按表達(dá)譜的相似程度歸納成共同表達(dá)類別，有助于對基因功能、基因調(diào)控及細(xì)胞過程等進(jìn)行綜合研究。本文分析了基因表達(dá)數(shù)據(jù)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?jǐn)?shù)據(jù)和處理非線性數(shù)據(jù)效果好的優(yōu)點而被廣泛應(yīng)用于基因表達(dá)數(shù)據(jù)的分析。
　　首先

2、，從避免人為初始化聚類參數(shù)的角度出發(fā)，提出了一種自適應(yīng)模糊核聚類算法。該方法依靠減法聚類來確定聚類數(shù)目的最小上限，并通過有效性函數(shù)測量聚類范圍上不同類數(shù)聚類結(jié)果的有效性，選擇其中的拐點或極值點作為最佳類數(shù)的預(yù)測，在算法的迭代過程中也實現(xiàn)了初始聚類中心的預(yù)測。利用基因表達(dá)數(shù)據(jù)進(jìn)行測試，實驗結(jié)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(quán)值，并在算法迭代中不斷更新權(quán)值來發(fā)現(xiàn)離群基因，改善了聚類效果。利用公式推導(dǎo)證明了該算法具有收斂性。將自適應(yīng)模糊核算法與離群模糊核聚類算法相結(jié)合，提出了一種自適應(yīng)離群模糊核聚類算法，并利用酵母細(xì)胞基因表達(dá)數(shù)據(jù)對算法進(jìn)行測試，仿真結(jié)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(shè)計并實現(xiàn)基因表達(dá)數(shù)據(jù)聚類分析系統(tǒng)，系統(tǒng)主要實現(xiàn)了基因數(shù)據(jù)的載入、數(shù)據(jù)的預(yù)處理、