文献类型：期刊文章

作　　者：王俊生[1] 王年[1] 郭秀丽[2] 唐俊[1]

机构地区：[1]安徽大学计算智能与信号处理教育部重点实验室,安徽合肥230039 [2]山东省信息中心,山东济南250011

出　　处：《安徽大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(60772121);安徽大学"211工程"学术创新团队基金资助项目(KJTD007A)

年　　份：2012

卷　　号：36

期　　号：4

起止页码：68-72

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CAS、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：利用基因表达数据进行聚类分析可提高肿瘤诊断的正确率,对生物医学研究具有重要意义.该文将Normalized Cut应用于基因表达数据的聚类中,将样本映射为高维空间的点,利用亲近矩阵和度矩阵构造正规Laplacian矩阵,经SVD分解得到反映原始样本类别信息的指示向量,利用指示向量各分量的符号差异实现基因表达数据的聚类.通过对白血病和结肠癌数据集的实验,证明了该文方法的有效性.

关 键 词：聚类 指示向量  Normalized  CUT 基因表达数据

分 类 号：TP18]