基于向量空间模型的基因序列聚类及仿真实验

摘要

聚类算法广泛应用于生物信息学数据分析中,是基因序列和表达数据分析研究的主要技术之一。提出了一种基于向量空间模型的基因序列聚类分析算法。首先利用DNA序列的结构特征,将多个DNA序列构成序列集。结合向量空间模型算法,计算DNA序列集中两两序列之间的相似度矩阵,并选取适当的阈值对相似度矩阵作截集处理,从而得到最终的聚类结果。基于DNA序列数据的仿真实验结果表明,该算法在基因序列的分析中是实用、有效的,并且具有算法简明、语义准确、向量维数可控等优点。