王国政 傅迎华 张生

摘要：大数据时代，从大量数据中寻找出数据潜在的关联受到广泛关注。双聚类是指对行和列同时聚类，对矩阵局部进行搜索，旨在对高维数据中的有效信息进行发掘，主要应用于基因表达序列。通过对双聚类算法SMR进行深入研究，对其进行改进，加入稀疏性和非负性，使得在原有基础上的“硬”聚类转变为“软”聚类。应用到图像领域，对图像中的局部信息能很好地聚类。实验结果表明，改进后的算法收敛速度很快，效果很好。

关键词：双聚类算法；Lasso；稀疏性；非负性

DOI：10.11907/rjdk.173197

中图分类号：TP317.4

文献标识码：A文章编号：1672-7800（2018）007-0223-04

Abstract：Intheeraofbigdata，withtheincreaseoftheamountofdata，itiswidelystudiedtofindoutthepotentialdataconnectionfromalargeamountofdata.Doubleclusteringisaclusteringofrowsandcolumnsatthesametime，anditsearchesthematrixlocallytoexploretheeffectiveinformationinhigh-dimensionaldata，whichismainlyusedingeneexpressionsequences.Inthispaper，westudyandimprovethedoubleclusteringalgorithmSMRby，addingsparsityandnonnegativenesstotransformthe"hard"clusteringbasedontheoriginaltransforminto"soft"clusteringandapplyittothefieldofimage，Thelocalinformationintheimageiswellclustered，andtheimprovedalgorithmconvergesquicklyandtheexperimentworkwell.

KeyWords：biclusteringalgorithm；Lasso；sparsity；non-negative

0引言

在大量數据中找到关键信息已经成为一个新的研究热点。聚类算法能有效分析这些数据，但层出不穷的聚类算法[1-2]仅仅对数据矩阵的行或列单一聚类，这些聚类方法[3]更多应用于“经典”数据的预测分析。而现在的重点往往是寻找少数所谓的局部关键点，这些关键信息可以是样本与变量之间特定的联系。

双聚类思想于1972年由Hartigan[4]提出。双聚类开始仅仅应用在基因问题研究上，可以很好地克服传统聚类方法的局限性，通过基因矩阵的行和列同时聚类，可挖掘其中的局部信息。通常情况下，就是这些局部信息对生物信息的研究很有意义。1999年由两位科学家Cheng和Church[5]提出了具体算法，并命名为CC算法，从此之后各种双聚类算法涌现出来。Yang[6]等改进了CC双聚类算法，提出一个新的算法FLOC，此算法能同时发现一组符合重叠的双聚类。Getz[7]等提出了一种耦合双向迭代的双聚类算法用于识别双聚类。……