基于封闭相似性的三维基因表达数据聚类算法

计算机科学与探索 ›› 2008, Vol. 2 ›› Issue (1): 45-59.

基于封闭相似性的三维基因表达数据聚类算法

赵宇海,王国仁+,许光宇

东北大学信息科学与工程学院，沈阳 110004

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-02-20 发布日期:2008-02-20
通讯作者: 赵宇海

Closed similarity-based clustering on 3D gene expression data

ZHAO Yuhai, WANG Guoren+, XU Guangyu

School of Information Science and Engineering， Northeastern University， Shenyang 110004， China

Received:1900-01-01 Revised:1900-01-01 Online:2008-02-20 Published:2008-02-20
Contact: ZHAO Yuhai

摘要/Abstract

摘要： 研究了三维基因表达数据聚类的效率问题，在三维基因表达数据聚类过程中引入了“先验证后生成”的思想。基于提出的封闭相似性概念，设计了一种新的高效算法TESTER，采用多个有效的削减规则避免代价很高的全局封闭性检验，提高了效率。理论分析和实验结果表明，TESTER算法的性能优于目前最好的同类算法RSM和CubeMiner。

关键词: 三维基因表达数据, 封闭相似性, 聚类

Abstract: This paper introduces the idea “first test and then generation” to address the efficiency issue of clustering 3D gene expression data. Based on the proposed concept of closed similarity， TESTER， a novel efficient algorithm， is designed. Meanwhile， several effective pruning rules are devised to avoid the time-consuming global closure test. Both theoretic analysis and experimental results prove that TESTER outperforms RSM and CubeMiner， the two state-of-the-art homogeneous algorithms.

Key words: 3D gene expression data, closed similarity, clustering

赵宇海,王国仁+,许光宇. 基于封闭相似性的三维基因表达数据聚类算法[J]. 计算机科学与探索, 2008, 2(1): 45-59.

ZHAO Yuhai, WANG Guoren+, XU Guangyu. Closed similarity-based clustering on 3D gene expression data[J]. Journal of Frontiers of Computer Science and Technology, 2008, 2(1): 45-59.

[1]	陈俊芬, 张明, 赵佳成, 谢博鋆, 李艳. 结合降噪和自注意力的深度聚类算法[J]. 计算机科学与探索, 2021, 15(9): 1717-1727.
[2]	王大刚, 丁世飞, 钟锦. 基于二阶[k]近邻的密度峰值聚类算法研究[J]. 计算机科学与探索, 2021, 15(8): 1490-1500.
[3]	沈学利, 秦鑫宇. 密度Canopy的增强聚类与深度特征的KNN算法[J]. 计算机科学与探索, 2021, 15(7): 1289-1301.
[4]	范瑞东, 侯臣平. 鲁棒自加权的多视图子空间聚类[J]. 计算机科学与探索, 2021, 15(6): 1062-1073.
[5]	柏锷湘, 罗可, 罗潇. 结合自然和共享最近邻的密度峰值聚类算法[J]. 计算机科学与探索, 2021, 15(5): 931-940.
[6]	张倪妮, 葛洪伟. 稳定的K-多均值聚类算法[J]. 计算机科学与探索, 2021, 15(5): 941-948.
[7]	马瑞强, 宋宝燕, 丁琳琳, 王俊陆. 面向时间序列事件的动态矩阵聚类方法[J]. 计算机科学与探索, 2021, 15(3): 468-477.
[8]	薛红艳, 钱雪忠, 周世兵. 超簇加权的集成聚类算法[J]. 计算机科学与探索, 2021, 15(12): 2362-2373.
[9]	张培, 祝恩, 蔡志平. 单步划分融合多视图子空间聚类算法[J]. 计算机科学与探索, 2021, 15(12): 2413-2420.
[10]	姚晓红, 黄恒君. 非负半监督函数型聚类方法[J]. 计算机科学与探索, 2021, 15(12): 2438-2448.
[11]	刘娟, 万静. 自然反向最近邻优化的密度峰值聚类算法[J]. 计算机科学与探索, 2021, 15(10): 1888-1899.
[12]	尤坊州, 白亮. 关键节点选择的快速图聚类算法[J]. 计算机科学与探索, 2021, 15(10): 1930-1937.
[13]	黄宇翔, 黄栋, 王昌栋, 赖剑煌. 基于集成学习的改进深度嵌入聚类算法[J]. 计算机科学与探索, 2021, 15(10): 1949-1957.
[14]	屈晶晶, 蔡英, 范艳芳, 夏红科. 基于k-prototype聚类的差分隐私混合数据发布算法[J]. 计算机科学与探索, 2021, 15(1): 109-118.
[15]	范虹，史肖敏，姚若侠. 头脑风暴算法优化的乳腺MR图像软子空间聚类算法[J]. 计算机科学与探索, 2020, 14(8): 1348-1357.