数据挖掘的建模及在生物信息学中的应用研究

聚类分析是数据挖掘研究中的重要内容，成为各学科研究中的重要工具。但在现实生活中，常常遇到高维数据集的处理且在大多数情况下，这些数据集对于各个聚类存在属性不平衡的现象。根据这一点，本文提出在核特征空间中的属性加权核聚类算法，实验表明新聚类算法能很好地反映各属性对于各个聚类的重要性，因而取得了比传统聚类算法更好魄结果。传统聚类算法的应用对象往往局限于单一独立的数据集，但在很多情况下一个数据集要和其他数据集相互发生关联。基于信息理论，本文提出的合作聚类算法反映了数据集间的相互作用关系，结果表明聚类结果将受到其他数据集的影响。在人类世界中，人眼是最有效的获取知识的器官，也是最有效的聚类机制。因此模仿人眼的工作原理将为研究聚类分析提供一个非常好的平台