مقاله

الگوریتم های خوشه بندی دوبعدی در داده های بیان ژنی: یک مطالعه مروری

چکیده

در سال های اخیر تکنولوژی ریز آرایه امکان مشاهده و بررسی بیان هم زمان هزاران ژن را وقتی سلول تحت شرایط مختلف یا پروسه های متفاوت قرار می گیرد را فراهم کرده است و نقشی اساسی در سرعت بخشیدن و بالا رفتن کارایی مطالعات بیان ژنی ایفا می کند. یکی از مهم ترین تکنیک های تشخیص الگو در داده های بیان ژنی تحلیل خوشه بندی دوبعدی است که می تواند گروه هایی از ژن ها با الگو های بیان شده مشابه را بیابد. مطالعه حاضر که یک مطالعه مروری است با هدف ارزیابی پژوهش های موجود در زمینه خوشه بندی دوبعدی بیان ژن و بررسی الگوریتم های مختلف، انجام شده است. در این مطالعه الگوریتم های معرفی شده در سال های 2000 تا 2014 میلادی مورد ارزیابی قرار گرفته است. نتایج جستجو در سایت های مختلف شامل 17الگوریتم اصلی بود که همه آن ها به زبان انگلیسی چاپ شده بودند. با استفاده از نتایج به دست آمده از این مطالعه، بهترین الگوریتم های موجود مربوط به الگوی داده کاوی رابطه بود. اما این تکنیک به این دلیل که از روش جستجوی فراگیر استفاده می کند و همه فضاهای مربوط به خوشه های دوبعدی را پیدا می کند لذا بسیار وقت گیر و پرهزینه است. به نظر می رسد نیاز است بر روی سایر الگوریتم های ارائه شده راه کارهایی جهت رفع مشکلات موجود پیاده کرد تا بتوان نتایج قابل قبول تری به دست آورد.

اسناد مشابه

  • ارائه یک الگوریتم خوشه بندی برای داده های دسته ای با ترکیب معیارها

    مقالهمحاسبات نرممریم نبی لو، maryam nabiloo نگین دانشپور، negin daneshpour shahid rajaee teacher training universityتهران- لویزان- خیابان شعبانلو- دانشگاه تربیت دبیر شهید رجایی

    خوشه بندی یکی از تکنیک های اصلی داده کاوی است. خوشه بندی فرایندی است که مجموعه داده ها را داخل گروه هایی طبقه بندی می کند. در خوشه بندی داده های موجود در یک خوشه بیشترین شباهت را به هم دارند و داده های موجود در دو خوشه متفاوت بیشترین تفاوت را با هم دارند. الگوریتم های خوشه بندی ب

  • ارائه یک الگوریتم خوشه بندی برای داده های دسته ای با ترکیب معیارها

    خوشه بندی یکی از تکنیک های اصلی داده کاوی است. خوشه بندی فرایندی است که مجموعه داده ها را داخل گروه هایی طبقه بندی می کند. در خوشه بندی داده های موجود در یک خوشه بیشترین شباهت را به هم دارند و داده های موجود در دو خوشه متفاوت بیشترین تفاوت را با هم دارند. الگوریتم های خوشه بندی ب

  • به کارگیری خوشه بندی دوبعدی با روش «زیرماتریس های با میانگین- درایه های بزرگ» در داده های بیان ژنی حاصل از ریزآرایه های dna

    مقالهدانشور پزشکیحمید علوی مجد، hamid alavi majd paramedical sciences faculty, shahid beheshti medical sciences universityگروه آمار زیستی دانشکده پیراپزشکی دانشگاه علوم پزشکی شهید بهشتی شیما یونس پور، shima younespoor paramedical sciences faculty, shahid beheshti medical sciences universityدانشکده پیراپزشکی دانشگاه علوم پزشکی شهید بهشتی فرید زایری، farid zayeri paramedical sciences faculty, shahid beheshti medical sciences universityگروه آمار زیستی دانشکده پیراپزشکی دانشگاه علوم پزشکی شهید بهشتی مصطفی رضایی طاویرانی

    مقدمه و هدف: در سال های اخیر، فناوری ریزآرایه ی dna نقش اساسی در تحقیقات ژنومی داشته ­است. با استفاده از این فناوری که امکان آنالیز هم­زمان سطوح بیان هزاران ژن را در شرایط مختلف فراهم­آورده­است، به حجم انبوهی از داده ها دست­می یابیم. روش های کلاسیک خوشه بندی نظیر روش های سلسله مر

  • خوشه بندی خودکار داده های مختلط با استفاده از الگوریتم ژنتیک

    مقالهبین المللی مهندسی صنایع و مدیریت تولیدmasoud yaghini assistance professor of school of railway engineering - iran university of science and technology، mahdi vard msc, school of railway engineering - iran university of science and technology

    مساله خوشه بندی به منظور کمینه کردن مجموع مجذور انحراف، یک مساله غیر خطی و غیر محدب بوده و دارای تعداد زیادی نقاط بهینه محلی است. در مسائل خوشه­بندی در دنیای واقعی، اغلب با مجموعه داده­هایی مواجهیم که از ترکیبی از مقادیر عددی و دسته­ای تشکیل شده­اند. در حالیکه اغلب روشهای خوشه­بن

  • اجرای الگوریتم خوشه بندی بهبود یافته بر روی داده های ناباروری

    مقالهمهندسی صنایع و مدیریتنرگس آقابیگی، دانشکده ی مهندسی صنایع، دانشگاه خواجه نصیرالدین طوسی سمیه علیزاده، دانشکده ی مهندسی صنایع، دانشگاه خواجه نصیرالدین طوسی ابوطالب صارمی، رئیس بیمارستان صارم

    داده کاوی تلفیقی از روش های هوش مصنوعی برای شناسایی اطلاعات یا استخراج دانش از داده هاست، به نحوی که دانش حاصل در حوزه های تصمیم گیری، پیش بینی، پیش گویی و تخمین مورد استفاده قرار گیرد. تحلیل رفتار مشتریان، دسته بندی مشتریان، شناخت نیازهای مشتریان و پیش بینی در مباحث پزشکی ازجمله

  • بهبود الگوریتم خوشه بندی مشتریان برای توزیع قطعات یدکی با رویکرد داده کاوی (k-means)

    مقالهبین المللی مهندسی صنایع و مدیریت تولیدmohammad mehdi sepehri associate professor, industrial engineering department, tarbiat modares university، mehrdad kargari ph.d. student, industrial engineering department, tarbiat modares university

    خوشه بندی مشتریان با رویکرد داده کاوی برای بهینه سازی برنامه حمل ونقل یکی از مباحث مطرح در حوزه مدیریت ارتباط با مشتریان است. در این مقاله داده ها و اطلاعات واقعی توزیع قطعات یدکی شرکت ایساکو در طی 36 ماه گذسته مورد بررسی قرارگرفته است و به کمک ابزار داده کاوی شباهت رفتار تقاضای