摘要
为了将高维输入空间的数据映射到低维空间,利用可视化技术探测数据的固有特性,提出了用非线性主成分分析(NLPCA:NonLinear Principal Component Analysis)和自组织映射网络相结合的方法对生物信息学中基因表达数据进行聚类可视化分析。实验结果表明,该方法有较高的分类正确率,用于基因表达数据的聚类分析是行之有效的。
To project high-dimensional data into low-dimensional space can be effectively utilized to visualize and explore properties of data. An approach of NLPCA （ NonLinear Principal Component Analysis） and SOM （ Self-Organizing Map） neural network is presented for clustering and visualization of gene expression data. The experiment results show that the performance of clustering gene expression data based on the SOM network is efficient.
出处
《吉林大学学报（信息科学版）》
CAS
2010年第5期526-532,共7页
Journal of Jilin University（Information Science Edition）
关键词
自组织特征映射神经网络
非线性主成分分析
聚类分析
可视化
self-organizing map neural network
nonlinear principal components analysis
cluster analysis
visualization
作者简介
齐志（1979-），男，长春人，长春职业技术学院讲师，硕士，主要从事人工智能和系统开发方法论研究，（Tel）86-13578896203（E-mail）43033023qq．com；
李季（1976-），男，长春人，长春职业技术学院副教授，硕士，主要从事数据库理论和系统开发方法论研究，（Tel）86-0431-4602986（E-mail）690095259@qq．com。
