基因表達(dá)數(shù)據(jù)局部聚類技術(shù)研究

定　價(jià)：￥35.00

作　者：	印瑩，趙宇海著
出版社：	東北大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

ISBN：	9787551711005	出版時(shí)間：	2015-12-01	包裝：	平裝
開本：	16開	頁數(shù)：	199	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《基因表達(dá)數(shù)據(jù)局部聚類技術(shù)研究》針對(duì)現(xiàn)有聚類算法解決相關(guān)問題時(shí)存在的不足，對(duì)局部聚類技術(shù)進(jìn)行了深入的研究，包括同時(shí)在屬性維和樣本維進(jìn)行聚類，并自動(dòng)確定相關(guān)聚類特征空間的雙聚類技術(shù)；基于模式相似性的子空間聚類技術(shù)；基于屬性之間相互關(guān)系的投影聚類技術(shù)；三維數(shù)據(jù)集，即屬性—樣本—時(shí)間數(shù)據(jù)集中的聚類挖掘技術(shù)。

作者簡(jiǎn)介

暫缺《基因表達(dá)數(shù)據(jù)局部聚類技術(shù)研究》作者簡(jiǎn)介

圖書目錄

第1章緒論
1．1 研究背景和意義
1．2 研究目的
1．3 基本生物知識(shí)
1．3．1 細(xì)胞
1．3．2 脫氧核糖核酸（DNA）
1．3．3 基因和基因組
1．3．4 蛋白質(zhì)和蛋白質(zhì)組
1．3．5 基因和蛋白質(zhì)的關(guān)系——中心法則
1．3．6 基因表達(dá)及調(diào)控
1．4 基因表達(dá)數(shù)據(jù)的聚類分析
1．4．1 基因表達(dá)數(shù)據(jù)的獲取
1．4．2 基因表達(dá)數(shù)據(jù)的類型
1．4．3 基因表達(dá)數(shù)據(jù)的特點(diǎn)
1．4．4 聚類基因表達(dá)數(shù)據(jù)的應(yīng)用
1．4．5 基因表達(dá)數(shù)據(jù)對(duì)聚類技術(shù)提出的挑戰(zhàn)
1．4．6 聚類基因表達(dá)數(shù)據(jù)技術(shù)的分類
1．5 本書的研究?jī)?nèi)容和主要貢獻(xiàn)
1．6 本書的組織結(jié)構(gòu)
第2章相關(guān)研究工作
2．1 子空間聚類
2．1．1 基于距離的子空間聚類
2．1．2 基于模式／趨勢(shì)的子空間聚類
2．2 投影聚類
2．2．1 基于超立方體的方法
2．2．2 基于劃分的方法
2．2．3 基于層次的投影聚類
2．2．4 基于密度的投影聚類
2．2．5 基于模型的投影聚類
2．3 雙聚類
2．3．1 基于最小MSR的方法
2．3．2 基于格子模型的方法
2．3．3 基于頻譜的方法
2．3．4 基于最大權(quán)重子圖的方法
2．4 本章小結(jié)
第3章最大子空間共調(diào)控基因聚類
3．1 正負(fù)共調(diào)控基因聚類Co-Cluster
3．1．1 國(guó)際研究現(xiàn)狀
3．1．2 基本概念
3．1．3 基因相似性
3．1．4 Co．Cluster算法
3．1．5 實(shí)驗(yàn)測(cè)試與結(jié)果分析
3．1．6 結(jié)果的生物意義
3．2 時(shí)間平移正負(fù)共調(diào)控基因聚類：Reg-Cluster
3．2．1 國(guó)際研究現(xiàn)狀
3．2．2 基本概念和問題定義
3．2．3 Reg-Cluster聚類算法
3．2．4 實(shí)驗(yàn)測(cè)試與結(jié)果分析
3．3 局部保守最大共調(diào)控基因聚類
3．3．1 國(guó)際研究現(xiàn)狀
3．3．2 相關(guān)概念和問題定義
3．3．3 LC-Cluster算法
3．3．4 實(shí)驗(yàn)測(cè)試與結(jié)果分析
3．4 本章小結(jié)
第4章考慮基因間相互關(guān)系的投影聚類
4．1 研究現(xiàn)狀及存在的問題
4．2 基本概念和問題定義
4．3 投影聚類算法MOLLON
4．3．1 平凡子序列的削減
4．3．2 基本MOLLON算法
4．3．3 討論
4．4 實(shí)驗(yàn)測(cè)試與結(jié)果分析
4．4．1 數(shù)據(jù)集
4．4．2 算法的效率
4．4．3 算法的有效性
4．5 本章小結(jié)
第5章基于迭代重聚類的基因表達(dá)數(shù)據(jù)聚類算法
5．1 研究現(xiàn)狀及存在的問題
5．2 相關(guān)工作
5．2．1 基因表達(dá)矩陣
5．2．2 數(shù)據(jù)預(yù)處理
5．2．3 數(shù)據(jù)標(biāo)準(zhǔn)化
5．2．4 相似性度量
5．3 CRADLE聚類算法
5．3．1 基本定義
5．3．2 初始聚類
5．3．3 迭代的重聚類
5．3．4 基于范數(shù)的多維數(shù)據(jù)模糊聚類E．CRADLE
5．4 實(shí)驗(yàn)測(cè)試及分析
5．4．1 算法可伸縮性分析
5．4．2 聚類結(jié)果的可靠性分析
5．4．3 數(shù)據(jù)集聚類結(jié)果分析
5．5 本章小結(jié)
第6章 MFCC：一種高效的三維基因表達(dá)數(shù)據(jù)挖掘算法
6．1 研究現(xiàn)狀及存在的問題
6．2 基本概念
6．3 MFCC算法
6．3．1 二維切片挖掘
6．3．2 三維頻繁閉項(xiàng)集結(jié)果生成
6．3．3 算法正確性證明
6．4 實(shí)驗(yàn)測(cè)試與結(jié)果分析
6．4．1 RSM與CubeMiner進(jìn)行比較
6．4．2 可擴(kuò)展性
6．5 本章小結(jié)
第7章結(jié)束語
7．1 本書工作總結(jié)
7．2 未來的研究方向
作者文獻(xiàn)
參考文獻(xiàn)