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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD