,單擊此處編輯母版標題樣式,,單擊此處編輯母版文本樣式,,第二級,,第三級,,第四級,,第五級,,*,,,,,單擊此處編輯母版標題樣式,,單擊此處編輯母版文本樣式,,第二級,,第三級,,第四級,,第五級,,第五章 聚類分析,,生物信息學平臺,,2,內容,一、聚類分析的功能,,,二、聚類分析的方法,,,三、聚類分析的應用,3,一、聚類分析的功能,聚類：將數(shù)據(jù)集劃歸為不同組別,,,作用：,,獲得數(shù)據(jù)的分布規(guī)律，進一步分析,,數(shù)據(jù)預處理，為分類、關聯(lián)規(guī)則等作準備,,,4,一、聚類分析的功能,與分類相同：,,聚類的依據(jù)：特征屬性,,聚類過程：相似程度高的聚為一類,,與分類不同：,,無監(jiān)督的學習,,驗證更復雜,,,聚類結果的質量,,相似性,6,相似性度量（數(shù)值型）,,例,1,：,,,,相似性判斷：,式,5.1,,原始數(shù)據(jù),,,結論：,1,、,2,相似程度高，這一結論可信嗎？,一、聚類分析的功能,7,一、聚類分析的功能,相似性度量,,例,1,：,,,,問題：年齡、血壓范圍、數(shù)量級不同，應,,歸一化：,[0,1],,,,,結論：,1,、,3,相似程度高,8,一、聚類分析的功能,相似性度量,,例,1,：,,,,10,一、聚類分析的功能,相似性度量（分類型）,,二值：式,5.10/5.12,,對稱型（男、女）,,非對稱型（陽性,1,、陰性,0,）,,,例：,Xi={0, 0, 1, 1, 0, 1, 0, 1},,Xj={0, 1, 1, 0, 0, 1, 0, 0},,,對稱型：,D=3/8, S,＝,5/8,,非對稱型：,D=3/5, S,＝,2/5,（忽略特征值均為,0,的屬性）,,11,一、聚類分析的功能,相似性度量（二值型,-,對稱）,,例,2,：,,,,,,,式,5.10,,,,,式,5.11,,,結論：,1,、,2,相似程度高,,,,13,相似性度量,,排序型：轉為數(shù)值型后，式,5.16,，計算相似性,,例,4,：,,,,,,,,結論：,,相似程度最高， 最不相似,,大小說明相似程度不一樣，可定量衡量,一、聚類分析的功能,,15,一、聚類分析的功能,相似性度量,(,混合型，式,5.17),,例,5.1,：,,,,,,,,相似程度最高,,16,聚類方法,,劃分法,,k,-,均值算法,,k,-,中心點算法,,分層,,凝聚型分層聚類,,分裂型分層聚類,,基于密度的方法,,基于網(wǎng)格的方法,,基于模型的方法,二、聚類分析的方法,18,k,-,均值算法,,隨機,選擇若干樣本作為初始的簇的質心,（平均點）,；,,,repeat,,計算對象與各個簇的質心的距離，將對象劃分到距離其最近的簇；,,,重新計算每個新簇的均值；,,,until,簇的質心不再變化,。,,二、聚類分析的方法,19,k,-,均值算法,,,二、聚類分析的方法,20,二、聚類分析的方法,聚類過程,,例（同分類）：,12,個樣本,,有兩個特征屬性,f1,、,f2,，,,類別未知，要分成兩類,,,21,二、聚類分析的方法,聚類過程,,例（同分類）：,,隨機放入,A,、,B,兩類,:,,,1,4,8→A,0,,3,7,9,10→B,0,,初始，求聚類中心（均值）,:,,C,A0,(4.67, 5),,C,B0,(6.75, 6.25),,22,二、聚類分析的方法,聚類過程,,各樣本到聚類中心的距離,,,,,,,,,,,迭代，,C,A1,(4.17, 3.33),C,B1,(9, 7),,,不斷逼近的過程，細微的調整、優(yōu)化,24,二、聚類分析的方法,聚類過程,,特征屬性可用數(shù)值描述,,上例中,f1, f2,值在同一數(shù)量級中。,,若不在同一數(shù)量級、相差較大，要進行怎樣的預處理？否則，會有怎樣的困難？,25,三、聚類分析的應用,應用實例,:,聚類在基因表達譜知識挖掘中的應用,,目的,,對兩個公共的基因表達數(shù)據(jù)集進行研究，以發(fā)現(xiàn)大規(guī)?；虮磉_譜蘊含的信息,,研究目標變?yōu)?DM,的問題：聚類,,,數(shù)據(jù)采集：,,CNS,數(shù)據(jù)集：,,NCI60,數(shù)據(jù)集,：,26,,數(shù)據(jù)預處理,,,數(shù)據(jù)挖掘－建立模型,,貝葉斯聚類,,