首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

一种基于基因本体的无监督聚类方法

摘要第1-8页
Abstract第8-9页
1 引言第9-12页
   ·课题研究的背景及意义第9-10页
   ·国内外研究现状第10-11页
     ·基因表达聚类分析现状第10页
     ·基因本体研究现状第10-11页
   ·本文主要研究内容及组织结构第11-12页
2 聚类分析第12-26页
   ·聚类算法的分类第13-15页
     ·按类间重叠度分类第13-14页
     ·按算法思路分类第14-15页
   ·相似性度量第15-16页
   ·基因表达聚类工作流程第16-17页
   ·基于无监督聚类的基因表达分析第17-22页
     ·层次聚类算法第17-18页
     ·K-均值算法第18-19页
     ·自组织映射神经网络第19-21页
     ·模糊C-均值算法第21-22页
   ·不同无监督聚类结果分析第22-26页
     ·层次聚类结果第22-23页
     ·K 均值结果第23-24页
     ·自组织映射结果第24页
     ·模糊C 均值聚类结果第24-26页
3 基于本体的模糊C 均值算法及其有效性评价第26-33页
   ·基因本体第26-30页
     ·数据库概况第26-27页
     ·GOSlim第27页
     ·证据编码第27-30页
   ·聚类有效性评价第30-32页
     ·Xie-Beni 有效性第30-31页
     ·Amine M.Bensaid 有效性第31页
     ·S.H.Kwon 有效性第31-32页
   ·基于本体的模糊C 均值第32-33页
4 模糊C 均值和基于本体的模糊C 均值结果分析第33-44页
   ·基于本体的模糊C 均值结果第33-40页
     ·基于Xie-Beni 的有效性评价第34-36页
     ·基于Amine M.Bensaid 的有效性评价第36-38页
     ·基于S.H.Kwon 的有效性评价第38-39页
     ·不同有效性评价比较第39-40页
   ·基于本体的与传统模糊C 均值结果比较第40-43页
     ·聚类有效性及质量比较第40页
     ·本体对模糊C 均值的影响第40-43页
   ·不同聚类结果比较第43-44页
5 总结第44-45页
6 参考文献第45-49页
致谢第49页

论文共49页,点击 下载论文
上一篇:蛋白质功能预测的半监督学习算法研究
下一篇:蛋白质结构预测的粒子群优化算法研究