数据预处理和初始化方法对K-均值聚类的影响

• 作者: 丁北生 万柏坤 杨春梅
• 来源期刊: 仪器仪表学报
• 学科: 生物学
• 关键词: 基因表达 聚类分析 K-均值聚类 数据预处理
• 年，卷（期）: 2003,（z1）
• 所属期刊栏目: 信息的检测与处理
• 页码范围: 189-192,209
• 页数: 5页
• 分类号: Q-3
• 字数: 3925字
• 语种: 中文
• DOI: 10.3321/j.issn:0254-3087.2003.z1.062

摘要

基于酵母二次迁移实验中表达谱相似的五类基因表达数据,研究了不同相似性度量准则、数据预处理方法及质心初始化方式对K-均值聚类效果的影响.结果表明:若对基因表达数据进行K-均值聚类分析,最好采用能反映数据结构特征的向量对质心进行初始化.若随机初始化质心,则采用取相对表达水平的预处理方式,以欧几里德距离(Euclidean distance)作为相似性测量准则,可以获得最佳的聚类结果;在欧氏距离准则下,标准化处理因可能破坏原始数据的幅度特征,而导致聚类结果变坏.若以Pearson相关系数为相似性准则则不同的数据预处理方式对结果无显著影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	万柏坤	天津大学精密仪器与光电子工程学院	122	1266	20.0	27.0
2	杨春梅	天津大学精密仪器与光电子工程学院	20	346	12.0	18.0
3	丁北生	天津大学精密仪器与光电子工程学院	9	104	5.0	9.0