换一批摘要群体分型是一种有助于更好的理解人类身心健康等复杂生物学问题的有效方法,聚类是一种为了对样本分组来降低复杂性的定义肠型的方法,而传统K-means聚类算法的K值选取无法确定,本文在传统K-means聚类算法的基础上进行了改进,并公开数据集上进行了验证,实验表明改进算法能够解决K值选取无法确定的问题,且聚类结果的稳定性、准确性和聚类质量都得到显著提高.将改进后的模型运用于肠道菌群OTUs数据,发现不仅能够有效地区分 2-型糖尿病患者样本间的相似性,而且能鉴定出影响菌群结构异质性最大的OTUs菌,为临床解决 2-型糖尿病问题提供了一种新的思路.
更多相关知识
关键词
K-means算法狄利克雷过程混合模型菌群分析群体分型聚类K-means algorithmDirichlet process mixed modelFlora analysisPopulation typingClustering
分类号
TP181
栏目名称
DOI
10.12113/202202014
发布时间
2024-04-03（万方平台首次上网日期，不代表论文的发表时间）
- 浏览7
- 被引1
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
