Comparative Study of K-Means , Pam and Rough K-Means Algorithms Using Cancer Datasets
Comparative Study of K-Means , Pam and Rough K-Means Algorithms Using Cancer Datasets
复制标题
使用癌症数据集进行 K-Means 、 Pam 和粗糙 K-Means 算法的比较研究
DOI：
--
复制
发表时间：
2011
期刊：
影响因子：
--
通讯作者：
S. Wasan
中科院分区：
文献类型：
--
作者：
Parvesh Kumar;S. Wasan
数据挖掘是对存在于大型数据库中的关系和模式的搜索。聚类是一种重要的数据挖掘技术。由于基因表达数据的复杂性和高维性，疾病样本的分类仍然是一个挑战。层次聚类和分区聚类用于识别对样品分类有用的基因表达模式。在本文中，我们做了比较研究，即k-means，PAM和粗糙k-means三种划分方法分类的癌症数据集。
Data mining is a search for relationship and patterns that exist in large database. Clustering is an important data mining technique. Because of the complexity and the high dimensionality of gene expression data, classification of a disease samples remains a challenge. Hierarchical clustering and partitioning clustering is used to identify patterns of gene expression useful for classification of samples. In this paper, we make a comparative study of three partitioning methods namely k-means, PAM and rough k-means to classify the cancer dataset.