计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2007年
18期
234-238
,共5页
SOM算法%层次聚类%基因表达数据
SOM算法%層次聚類%基因錶達數據
SOM산법%층차취류%기인표체수거
自组织特征映射神经网络与层次聚类算法是两种较经典的分析基因表达数据的聚类算法,但由于基因表达数据的复杂性与不稳定性,这两种算法都存在着自身的优劣.因此,在比较两种算法差异性的基础上,创造性地提出了一种新算法,即通过SOM算法对基因表达数据进行聚类,再用层次聚类将每个类对应的神经元权值二次聚类,并将此算法应用在酵母菌基因表达数据中,用实验证明改进算法克服了自组织算法的一些缺陷,提高了基因聚类的效能.
自組織特徵映射神經網絡與層次聚類算法是兩種較經典的分析基因錶達數據的聚類算法,但由于基因錶達數據的複雜性與不穩定性,這兩種算法都存在著自身的優劣.因此,在比較兩種算法差異性的基礎上,創造性地提齣瞭一種新算法,即通過SOM算法對基因錶達數據進行聚類,再用層次聚類將每箇類對應的神經元權值二次聚類,併將此算法應用在酵母菌基因錶達數據中,用實驗證明改進算法剋服瞭自組織算法的一些缺陷,提高瞭基因聚類的效能.
자조직특정영사신경망락여층차취류산법시량충교경전적분석기인표체수거적취류산법,단유우기인표체수거적복잡성여불은정성,저량충산법도존재착자신적우렬.인차,재비교량충산법차이성적기출상,창조성지제출료일충신산법,즉통과SOM산법대기인표체수거진행취류,재용층차취류장매개류대응적신경원권치이차취류,병장차산법응용재효모균기인표체수거중,용실험증명개진산법극복료자조직산법적일사결함,제고료기인취류적효능.