Abstract：
目的用自组织神经网络模型寻找给定的基因表达数据集中的子类别数量.方法采用一种SOM神经网络的改进模型,即DSOM(double self-organizing map)神经网络对基因表达谱数据进行聚类分析,完成肿瘤组织的分型或亚型预测.DSOM算法在网络训练过程中自适应地调整网络结构,使得对同一类输入数据产生相似响应的神经元在空间上也互相靠近,从而获得可视化效果,以精确判定恰当的数据聚类数.结果针对一个实际的高维基因表达谱数据集进行了聚类分析,并与k均值法进行了比较,结果表明该方法的正确识别率超过了80%,聚类效果明显优于k均值法.结论与k均值法进行了比较实验,DSOM不仅具有可视化的优点,而且识别率也比k均值法要高.
Keyword：
Reprint Author's Address：
Email：
Source ：
生物医学工程与临床
ISSN： 1009-7090
Year： 2006
Issue： 1
Volume： 10
Page： 43-46
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： 4
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
