摘要
针对传统K中心聚类算法存在的初始化敏感、聚类结果多样化等问题,提出一种基于密度的K中心聚类方案,并与序列比对、动态规划等方法有机地融合在一起,实现了对核酸序列的聚类分析。实验表明,该方案与传统K中心聚类算法相比较,初始化较理想,迭代次数较少,聚类效果更优。
Due to the disadvantages of initialization and result in the K-medoids clustering algorithm, a new density-based K-medoids clustering is described. And it combines sequence alignment, dynamic programming and other theories, accomplishes the clustering analysis in the nucleic acid sequences. Experiments prove that this method has better initialization, less iterative times and satisfying results compared with the ordinary K-medoids clustering.
出处
《计算机工程》
EI
CAS
CSCD
北大核心
2006年第19期280-282,共3页
Computer Engineering
基金
科技部"新城疫防制技术平台"基金资助项目
江苏省动物预防医学重点实验室开放课题资助项目(K04005)
关键词
K中心聚类
直接密度可达
序列比对
动态规划
生物信息学
K-medoids cluster
Direct arrived density
Sequence alignment
Dynamic programming
Bioinformatics
