计算机与应用化学
計算機與應用化學
계산궤여응용화학
COMPUTERS AND APPLIED CHEMISTRY
2015年
1期
71-74
,共4页
宋东奇%宋余庆%刘哲%凌青华
宋東奇%宋餘慶%劉哲%凌青華
송동기%송여경%류철%릉청화
基因表达数据%K-means算法%EM聚类算法%生物信息学
基因錶達數據%K-means算法%EM聚類算法%生物信息學
기인표체수거%K-means산법%EM취류산법%생물신식학
Gene expression data%k-means algorithm%EM clustering algorithm%bioinformatics
针对EM算法中的初始类的数目很难决定,在迭代中经常产生部分最优的情况,将K-means算法与基于EM的聚类方法相结合,提出了一个新的适用于基因表达数据的模型聚类方法.新的聚类方法,首先利用K-means算法具有全局性、效率高的优点,快速得到聚类的起始类的划分,将其设置为高斯混合模型的初始参数值,进一步采用EM方法进行聚类,得到最优聚类结果.通过2次对真实数据集的实验测试,将新的算法分别与K均值算法和EM算法进行了比较.实验结果表明,新算法是一种有效的聚类方法,聚类结果的准确度得到了提高.
針對EM算法中的初始類的數目很難決定,在迭代中經常產生部分最優的情況,將K-means算法與基于EM的聚類方法相結閤,提齣瞭一箇新的適用于基因錶達數據的模型聚類方法.新的聚類方法,首先利用K-means算法具有全跼性、效率高的優點,快速得到聚類的起始類的劃分,將其設置為高斯混閤模型的初始參數值,進一步採用EM方法進行聚類,得到最優聚類結果.通過2次對真實數據集的實驗測試,將新的算法分彆與K均值算法和EM算法進行瞭比較.實驗結果錶明,新算法是一種有效的聚類方法,聚類結果的準確度得到瞭提高.
침대EM산법중적초시류적수목흔난결정,재질대중경상산생부분최우적정황,장K-means산법여기우EM적취류방법상결합,제출료일개신적괄용우기인표체수거적모형취류방법.신적취류방법,수선이용K-means산법구유전국성、효솔고적우점,쾌속득도취류적기시류적화분,장기설치위고사혼합모형적초시삼수치,진일보채용EM방법진행취류,득도최우취류결과.통과2차대진실수거집적실험측시,장신적산법분별여K균치산법화EM산법진행료비교.실험결과표명,신산법시일충유효적취류방법,취류결과적준학도득도료제고.
