基于小波去噪和改进的FCM算法的基因表达数据分析

摘要

模糊c均值算法是一种局部搜索迭代法，易陷入局部最小解，而且算法未考虑样本对聚类的贡献程度。针对传统的模糊c均值(FCM)算法的不足和基因表达数据高噪声的特点，提出了一种基于小波变换和改进的FCM聚类模型，最后将该模型应用于白血病基因数据分析。根据Xie-Beni指数，在没有先验知识的条件下，确定了最佳聚类个数。为了体现文中提到的算法对样本聚类的准确性，本文分别采用传统的FCM聚类算法和分层聚类的方法在同样的试验条件下进行试验。样本聚类的结果表明：该方法能得到高准确度的样本分型结果。