《表1 单元聚类算法优缺点总结》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《蛋白质功能模块检测的聚类方法综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

单元聚类的优缺点如表1所示。密度聚类算法可以在聚类开始前不需要人为对PPI网络进行划分，可以在任何网络图形中进行聚类，聚类时不但可以对密集节点进行聚类，而且还可以对稀疏的网络节点进行聚类，由此降低了数据的噪声。然而，当PPI网络密度过大且节点分布不均匀时，该类算法会出现运算时间过长和聚类质量差的缺点。层次聚类算法无需规范初始PPI网络数据输入，同时在初始聚类时通过对参数进行设置，可以获得不同层次的PPI网络，进而降低所获得簇的维数，降低最后结果的噪声。但是，该类算法在聚类时严重依赖节点结构，并且计算复杂度非常高，还很难获得叠加模块。一旦节点分裂选择出现错误，所获得结果的噪声会非常大。划分聚类算法对于PPI网络节点权重的划分依赖性不高，在整个PPI网络都可以进行随机划分；可以对任何类型的PPI网络所有节点进行聚类分析，而且聚类后获得的数据噪声较低；但是该算法在聚类前必须预先知道目标函数和PPI网络节点聚类的个数，而且不能获得节点之间重叠的功能模块。