基于二次互信息的雙聚類算法研究及應(yīng)用.pdf

1、作為一種近年來(lái)才出現(xiàn)的、新穎的聚類算法，雙聚類算法側(cè)重于對(duì)子空間內(nèi)的相似模式進(jìn)行聚類，這種算法在高維數(shù)據(jù)的聚類方面具有良好的應(yīng)用前景。已經(jīng)證明，雙聚類問(wèn)題是NP-Hard問(wèn)題，已有的雙聚類算法都面臨著如何有效聚類數(shù)據(jù)對(duì)象和克服時(shí)間復(fù)雜度的困難。已經(jīng)提出了一些非確定性的和確定性的雙聚類算法，但是這些算法都是對(duì)線性相關(guān)的對(duì)象或滿足某個(gè)線性模型的對(duì)象進(jìn)行聚類，然而實(shí)際數(shù)據(jù)中也存在著大量的非線性相關(guān)的數(shù)據(jù)對(duì)象；另外，可應(yīng)用于時(shí)序數(shù)據(jù)的雙聚類算法

2、還比較少。 本文首先引入廣義信息論中的二次互信息作為相似性度量，提出一種快速的簡(jiǎn)化計(jì)算二次互信息的算法，以克服二次互信息計(jì)算開(kāi)銷大的不足，并通過(guò)實(shí)驗(yàn)，在計(jì)算時(shí)間開(kāi)銷和識(shí)別非線性相關(guān)方面，將二次互信息與Pearson相關(guān)系數(shù)進(jìn)行了對(duì)比，初步驗(yàn)證了二次互信息具有識(shí)別非線性相關(guān)的能力。在此基礎(chǔ)上，基于二次互信息和滑動(dòng)窗口技術(shù)，提出了一種時(shí)序數(shù)據(jù)相似模式-MI窗口相似模式，并以一種后綴樹(shù)的簡(jiǎn)單變形-MI-泛化后綴樹(shù)作為索引結(jié)構(gòu)，提出了一

3、種適用于時(shí)序數(shù)據(jù)的確定性雙聚類算法MI-TSB。該算法與其他雙聚類算法的顯著區(qū)別在于，能夠快速發(fā)現(xiàn)各個(gè)滑動(dòng)窗口下時(shí)序數(shù)據(jù)對(duì)象間的非線性相關(guān)性。最后，用合成數(shù)據(jù)和兩個(gè)真實(shí)的時(shí)序基因表達(dá)數(shù)據(jù)考察和驗(yàn)證算法的可伸縮性和聚類有效性，并與兩個(gè)雙聚類算法進(jìn)行對(duì)比，實(shí)驗(yàn)結(jié)果驗(yàn)證了本文提出的雙聚類算法具有良好的運(yùn)行性能，成功地聚類出合成數(shù)據(jù)中的非線性相關(guān)的簇集，發(fā)現(xiàn)了隱藏在基因表達(dá)數(shù)據(jù)中的多種聚類形態(tài)；利用Gene Ontology對(duì)聚類結(jié)果進(jìn)行基因注