基于二分圖的聚類算法研究.pdf

1、近年來，隨著對計算生物學(xué)的高速發(fā)展，開發(fā)出的微陣列技術(shù)可以測量細(xì)胞中成千上萬的基因。在這些基因中我們可以提取出許多數(shù)據(jù)，針對這些龐大的數(shù)據(jù)，我們可以從中得到許多有用的結(jié)論，數(shù)據(jù)分析技術(shù)在其中起到了至關(guān)重要的作用。
　　聚類分析是研究數(shù)據(jù)的一個非常重要的技術(shù)途徑。進(jìn)幾十年越來越重視對聚類分析的研究，并開發(fā)出了許多高效的聚類算法。傳統(tǒng)的聚類方法通過對數(shù)據(jù)的行或者列上進(jìn)行聚類，得出聚類結(jié)果。但是有時候數(shù)據(jù)的聚類結(jié)果往往受行和列的雙重影響

2、。因此，后來提出從行和列兩個方向上進(jìn)行聚類，即提出雙向聚類算法。其主要功能是將數(shù)據(jù)之間相似程度比較高的數(shù)據(jù)集分為一組，而不同組別中數(shù)據(jù)之間相似程度比較小。對于基因表達(dá)數(shù)據(jù)中，同過聚類技術(shù)所得到的分組，可能對某一病癥或性狀有共同的表達(dá)能力，從而有助于探索基因奧秘?，F(xiàn)如今，聚類算法已經(jīng)成為研究基因表達(dá)數(shù)據(jù)最為常用的方法之一，但是由于現(xiàn)在數(shù)據(jù)越來越多，形式也多種多樣，以及算法自身的一些不足，對一些問題的處理結(jié)果并不十分理想，因此研究更優(yōu)秀的聚

3、類算法，就有著十分重要的意義。
　　BIMAX算法是近幾年提出的一種雙向聚類算法，該算法被證明能在允許的時間內(nèi)有效地找出全部所想要大小的雙向聚類，提供了一個基礎(chǔ)性算法。這種方法基于分而治之的思想，使用的數(shù)據(jù)模型是0-1矩陣，它通過對矩陣的列進(jìn)行簡單分組，而后移動行來簡單對矩陣進(jìn)行劃分，并通過對重疊矩陣進(jìn)行選擇討論，最終達(dá)到聚類的目的。然而該算法卻存在著一些缺陷。
　　本文主要利用BIMAX算法先對列劃分的特點，利用K均值聚類

4、方法、CC(Cheng AndChurch Biclustering)算法中殘差的思想，以及一種聚類決策標(biāo)準(zhǔn)：Gain值，從原矩陣入手進(jìn)行預(yù)處理，使BIMAX算法處理已對列進(jìn)行調(diào)整后的數(shù)據(jù)矩陣，這樣在 BIMAX算法開始劃分列集合時就具有較高的聚合程度，使得算法能更快地找到雙向聚類，從而提高BIMAX算法處理矩陣時的效率。
　　實驗結(jié)果表明，改進(jìn)的BIMAX算法與原BIMAX算法對比，在處理同一矩陣的過程中，可以更快地輸出全部要求