基因系统聚类

一、

下面的HIERARCHICALCLUSTERING算法需要输入一个n*n的距离矩阵d，并产生数据的n个不同的分划，以树的形式输出。

 

HIERARCHICALCLUSTERING（d,n）

  形成n个类，每个类含有一个元素

  构建图T，为每个类分配一个单独的顶点

  while 存在多于一个类

       找到最近的2个类C1和C2

        将C1和C2合并成一个新的类C，C含有|C1|+|C2|个元素

       计算C与其他各类的距离

       在图T中增加一个顶点C，且与C1和C2相连

       在d中删除与C1和C2相对应的行和列

       在d中为新类C增加一行一列

  return T

二、

  将一个n*m的表达矩阵的n行看成为m维空间中n个点的集合,将其划分成k个子集，并假定类的个数k是已知的。

K均值聚类问题

给定n个数据点，找到k个凝聚点，满足平方误差失真最小。

输入：含有n个点的集合v和参数k

输出：含有k个点(凝聚点)的集合，满足d(x,y)对X所有可能的选择为最小。

 

我们假设将n个元素的集合分划成k个类的每个分划P都有与之相关联的聚类成本，记为cost(P），以此来衡量分划P的质量：分划的聚类成本越低，聚类的效果就越好。

 

给定一个分划P、一个该分划下的类C以及类C外一个元素i,Pi->c表示在分划P中将元素i移动到类C中得到的分划。△(i->C)=cost(P)-co