期刊文献+

单细胞RNA测序数据的聚类研究

Clustering Research on Single Cell RNA Sequencing Data
下载PDF
导出
摘要 针对传统的相似性度量方法无法有效处理高维较稀疏数据集的问题,提出了二次相似性度量Y(x_(i),x_(j))。该相似性度量在一定程度上克服了传统相似性度量对高维稀疏数据可信度较低的弊端。用k-means和k-medoids方法进行聚类,结果表明,针对高维较稀疏数据集,二次相似性度量体现了它的有效性和稳定性,为进一步研究和分析提供了有利条件。 According to the problem of being unable to effectively deal with high-dimensional sparse data in traditional similarity measure,the study proposes quadratic similarity measure Y(x_(i),x_(j)).Disadvantages of the low reliability of high-dimensional sparse data in traditional similarity measure are overcome to some extent.K-means and k-medoids are used to cluster.The results show that quadratic similarity measure reflects its effectiveness and stability according to high-dimensional sparse data,in order to provide convenient conditions for further research and analysis.
作者 汪颖 张立莹 Wang Ying;Zhang Liying(Dalian Jiaotong University,Dalian 116028,China)
机构地区 大连交通大学
出处 《黑龙江科学》 2022年第22期15-18,25,共5页 Heilongjiang Science
关键词 聚类 RNA测序 相似性度量 Clustering RNA sequence Similarity measure
  • 引文网络
  • 相关文献

参考文献1

共引文献3

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部