《表1 单元聚类算法优缺点总结》
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。
图表编号 | XD0035460200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.15 |
作者 | 霍思聪、黎英 |
绘制单位 | 南宁师范大学计算机与信息工程学院、南宁师范大学广西高校科学计算与智能信息处理重点实验室 |
更多格式 | 高清、无水印(增值服务) |