数据预处理和初始化方法对K-均值聚类的影响

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.

关键词：基因表达、聚类分析、K-均值聚类、数据预处理

所属期刊栏目：24

分类号：Q-3(生物科学的研究方法与技术)

在线出版日期：2003-12-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：189-192,209