基于双聚类的属性分组方法及其应用

论文摘要

在科学技术飞速发展的今天,人们的工作和生活中充斥着各种各样的信息,对于这些海量的信息,希望能够从中发现有用的知识,数据挖掘技术的出现给人们提供了有效的知识发现技术,并且已然成为一门十分重要的核心学科。数据挖掘技术在生物信息学领域的应用已经十分广泛,特别是对于通过分析技术获得的生物数据往往都是具有很高的属性维度的,通过数据挖掘技术,能够从这类数据中高效地提取出有用的信息。通过生物分析技术得到的数据中通常存在大量的冗余或者噪声属性。在对生物数据进行特征选择时,希望将数据中存在的噪声属性过滤掉,并且尽可能地减少冗余属性的存在。利用聚类方法将属性进行聚类,使得相似的属性被分到同一组中,而后再对属性进行选择是一种解决方法。然而,传统的聚类方法在聚类属性时,只能找出一些在全局样本空间中都相关的属性,如果数据中存在着一些样本,这些样本可能由于生物分析技术的原因或者样本本身的原因造成了偏差,成为了数据中的特异点,使得一些属性仅在大部分样本空间中存在相关性,而在另外的那些样本中无关,这样的数据应用传统聚类方法,并不能获得良好的属性聚类结果。双聚类算法是一种能够发现局部信息的聚类方式,本文提出了一种利用双聚类算法进行属性分组的方法,该方法能够自适应地对属性进行分组,保证了分组后的属性在大部分样本空间中存在相似性,并且能够解决传统聚类无法有效地将存在特异样本的数据进行属性聚类的问题。在对属性进行分组后,又利用分组结果为多个分类器抽取属性子集建立对应的分类模型,并采用集成策略最终形成了一种集成分类方法。通过对4组微阵列公共数据集及1组代谢组学肝病数据的测试,验证了本文给出算法的性能。并与另外一种基于属性分组的集成分类算法进行了比较,最终的实验结果表现出了良好的分类性能。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景及意义
• 1.2 数据挖掘技术
• 1.2.1 数据挖掘概述
• 1.2.2 数据挖掘应用
• 1.3 本文主要工作
• 2 数据挖掘分类
• 2.1 特征选择方法
• 2.1.1 过滤方法
• 2.1.2 打包方法
• 2.1.3 嵌入式方法
• 2.2 分类方法
• 2.2.1 朴素贝叶斯分类算法
• 2.2.2 k-最近邻分类算法
• 2.3 聚类方法
• 2.3.1 基于层次的聚类方法
• 2.3.2 基于划分的聚类方法
• 2.3.3 其它聚类方法
• 3 基于双聚类算法的属性分组
• 3.1 生物信息学概述
• 3.2 聚类算法
• 3.2.1 双聚类算法定义
• 3.2.2 Cheng-Church（CC）双聚类算法
• 3.3 基于双聚类算法的属性分组
• 3.3.1 问题的提出
• 3.3.2 FGBic算法
• 4 基于双聚类的属性分组方法应用于集成分类
• 4.1 排序属性分组
• 4.1.1 互信息
• 4.1.2 属性分组评价方式
• 4.2 FGBic-EC集成分类算法
• 4.2.1 集成分类
• 4.2.2 FGBic-EC算法
• 4.3 公共数据实验结果与分析
• 4.3.1 比较算法
• 4.3.2 实验数据
• 4.3.3 结果与讨论
• 4.4 代谢组学数据处理结果与分析
• 4.4.1 实验数据描述
• 4.4.2 结果与讨论
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢