单击此处编辑母版标题样式,,单击此处编辑母版文本样式,,第二级,,第三级,,第四级,,第五级,,*,,,,,单击此处编辑母版标题样式,,单击此处编辑母版文本样式,,第二级,,第三级,,第四级,,第五级,,第五章 聚类分析,,生物信息学平台,,2,内容,一、聚类分析的功能,,,二、聚类分析的方法,,,三、聚类分析的应用,3,一、聚类分析的功能,聚类：将数据集划归为不同组别,,,作用：,,获得数据的分布规律，进一步分析,,数据预处理，为分类、关联规则等作准备,,,4,一、聚类分析的功能,与分类相同：,,聚类的依据：特征属性,,聚类过程：相似程度高的聚为一类,,与分类不同：,,无监督的学习,,验证更复杂,,,聚类结果的质量,,相似性,6,相似性度量（数值型）,,例,1,：,,,,相似性判断：,式,5.1,,原始数据,,,结论：,1,、,2,相似程度高，这一结论可信吗？,一、聚类分析的功能,7,一、聚类分析的功能,相似性度量,,例,1,：,,,,问题：年龄、血压范围、数量级不同，应,,归一化：,[0,1],,,,,结论：,1,、,3,相似程度高,8,一、聚类分析的功能,相似性度量,,例,1,：,,,,10,一、聚类分析的功能,相似性度量（分类型）,,二值：式,5.10/5.12,,对称型（男、女）,,非对称型（阳性,1,、阴性,0,）,,,例：,Xi={0, 0, 1, 1, 0, 1, 0, 1},,Xj={0, 1, 1, 0, 0, 1, 0, 0},,,对称型：,D=3/8, S,＝,5/8,,非对称型：,D=3/5, S,＝,2/5,（忽略特征值均为,0,的属性）,,11,一、聚类分析的功能,相似性度量（二值型,-,对称）,,例,2,：,,,,,,,式,5.10,,,,,式,5.11,,,结论：,1,、,2,相似程度高,,,,13,相似性度量,,排序型：转为数值型后，式,5.16,，计算相似性,,例,4,：,,,,,,,,结论：,,相似程度最高， 最不相似,,大小说明相似程度不一样，可定量衡量,一、聚类分析的功能,,15,一、聚类分析的功能,相似性度量,(,混合型，式,5.17),,例,5.1,：,,,,,,,,相似程度最高,,16,聚类方法,,划分法,,k,-,均值算法,,k,-,中心点算法,,分层,,凝聚型分层聚类,,分裂型分层聚类,,基于密度的方法,,基于网格的方法,,基于模型的方法,二、聚类分析的方法,18,k,-,均值算法,,随机,选择若干样本作为初始的簇的质心,（平均点）,；,,,repeat,,计算对象与各个簇的质心的距离，将对象划分到距离其最近的簇；,,,重新计算每个新簇的均值；,,,until,簇的质心不再变化,。
二、聚类分析的方法,19,k,-,均值算法,,,二、聚类分析的方法,20,二、聚类分析的方法,聚类过程,,例（同分类）：,12,个样本,,有两个特征属性,f1,、,f2,，,,类别未知，要分成两类,,,21,二、聚类分析的方法,聚类过程,,例（同分类）：,,随机放入,A,、,B,两类,:,,,1,4,8→A,0,,3,7,9,10→B,0,,初始，求聚类中心（均值）,:,,C,A0,(4.67, 5),,C,B0,(6.75, 6.25),,22,二、聚类分析的方法,聚类过程,,各样本到聚类中心的距离,,,,,,,,,,,迭代，,C,A1,(4.17, 3.33),C,B1,(9, 7),,,不断逼近的过程，细微的调整、优化,24,二、聚类分析的方法,聚类过程,,特征属性可用数值描述,,上例中,f1, f2,值在同一数量级中若不在同一数量级、相差较大，要进行怎样的预处理？否则，会有怎样的困难？,25,三、聚类分析的应用,应用实例,:,聚类在基因表达谱知识挖掘中的应用,,目的,,对两个公共的基因表达数据集进行研究，以发现大规模基因表达谱蕴含的信息,,研究目标变为,DM,的问题：聚类,,,数据采集：,,CNS,数据集：,,NCI60,数据集,：,26,,数据预处理,,,数据挖掘－建立模型,,贝叶斯聚类,,。