论文部分内容阅读
与传统的硬划分聚类相比，模糊聚类算法（以FCM为例）对数据的比例变化具有鲁棒性，能够更准确地反映数据点与类中心的实际关系，目前已得到广泛应用。然而对于时序基因表达数据来说，传统的聚类算法往往不能充分利用到数据中时间上的动态关联信息。因此可以在模糊聚类算法的基础上引入自回归（AR）模型，将时序基因表达数据作为一组时间序列进行动态的聚类分析。这样不仅可以充分利用到时序基因表达数据的内部自相关性，并且可以进一步利用隶属度函数对AR模型的预测过程进行模糊化调整，从而得到更为理想的聚类结果。