基于Cheng-范数的不同维度样本相似性度量 |
| |
作者姓名: | 郭志伟 陈新庄 |
| |
作者单位: | 延安大学数学与计算机科学学院 |
| |
基金项目: | 国家自然科学基金项目(62041212);;陕西省自然科学基础研究计划项目(2020JM-548); |
| |
摘 要: | 样本相似性度量在机器学习,尤其在聚类任务中起着至关重要的作用,而且许多实际问题涉及的样本,如基因、蛋白质、药物等通常具有不同维度。因此,如何度量不同维度样本相似性显得尤为重要。鉴于大多数现有相似性度量方法仅适用于相同维度样本,基于Cheng-范数,提出一种不同维度样本相似性度量新方法,并以该方法分别基于蛋白质加权图对应的加权邻接矩阵和加权拉普拉斯矩阵测量的相似性,采用层次聚类算法对蛋白质样本进行功能聚类,取得了预期的聚类结果,从而充分验证了该相似性度量方法的有效性。
|
关 键 词: | Cheng-范数 不同维度样本 相似性 机器学习 层次聚类算法 |
|
|