申请/专利权人:海南大学
申请日:2023-12-01
公开(公告)日:2024-03-19
公开(公告)号:CN117727373A
主分类号:G16B40/30
分类号:G16B40/30;G16B25/10;G06F18/2113;G06F18/2337
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.05#实质审查的生效;2024.03.19#公开
摘要:本发明涉及一种基于样本和特征双加权的特征约简中智C‑均值聚类方法。所述方法包括:使用单通道Affymetrix芯片技术获取癌症基因表达数据集进行预处理得到第一数据集;构建特征约简中智C‑均值聚类算法模型输入第一数据集,通过所述特征约简中智C‑均值聚类算法模型对各个样本权重、特征权重进行控制迭代,并进一步特征约简实现无监督聚类,得到第二数据集;根据质量评价指标将第二数据集作为最优聚类数据集。特征约简中智C‑均值聚类算法模型不仅能很好地表征数据的不精确性和不确定性,而且能根据样本和特征的重要程度,自动赋予样本成员和样本特征不同的权重,丢弃小权重特征实现对高维数据的自适应降维,表现出更佳的聚类效果。
主权项:1.一种基于样本和特征双加权的特征约简中智C-均值聚类方法,其特征在于,所述方法包括:使用单通道Affymetrix芯片技术获取癌症基因表达数据集,对癌症基因表达数据集依次进行预处理,得到第一数据集;构建目标函数、添加约束条件、设置模型参数并进行参数初始化,得到特征约简中智C-均值聚类算法模型;将所述第一数据集输入至所述特征约简中智C-均值聚类算法模型,通过所述特征约简中智C-均值聚类算法模型对各个样本权重、特征权重进行控制迭代,并进一步特征约简实现无监督聚类,得到第二数据集;确定质量评价指标,并根据所述质量评价指标将所述第二数据集作为最优聚类数据集。
全文数据:
权利要求:
百度查询: 海南大学 基于样本和特征双加权的特征约简中智C-均值聚类方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。