mfuzz(Mfuzz)
mfuzz()所属R语言包：Mfuzz
Function for soft clustering based on fuzzy c-means.
基于模糊C-均值的软聚类中的作用。
译者：生物统计家园网 机器人LoveR
描述----------Description----------
This function is a wrapper function for cmeans of the e1071 package. It performs soft clustering of genes based on their expression values using
这个函数是一个cmeanse1071包的包装功能。执行软聚类的基因基础上的表达值
用法----------Usage----------
mfuzz(eset,centers,m,...)
参数----------Arguments----------
参数：eset
object of the class “ExpressionSet”.
的对象类“ExpressionSet”。
参数：centers
number of clusters.
聚类数目。
参数：m
fuzzification parameter.
模糊化参数。
参数：...
additional parameters for cmeans.
的cmeans额外的参数。
Details
详情----------Details----------
This function is the core function for soft clustering. It groups genes based on the Euclidean distance and the c-means objective function which is a weighted square error function. Each gene is assigned a membership value between 0 and 1 for each cluster. Hence, genes can be assigned to different clusters in a gradual manner. This contrasts hard clustering where each gene can belongs to a single cluster.
此功能是软聚类的核心功能。它基于欧氏距离和C-意味着这是一个加权平方误差函数的目标函数的基因。每个基因被分配为每个聚类成员在0和1之间的值。因此，基因可以被分配到不同的聚类循序渐进。这对比硬聚类，每个基因可以属于一个单一的聚类。
值----------Value----------
An object of class flcust (see cmeans) which is a list with components:
一个类的对象flcust（cmeans）这是一个组件列表：
参数：centers
the final cluster centers.
最后的聚类中心。
参数：size
the number of data points in each cluster of the closest hard clustering.
最接近的硬聚类簇在每个数据点的数量。
参数：cluster
a vector of integers containing the indices of the clusters where the data points are assigned to for the closest hard clustering, as obtained by assigning points to the (first) class with maximal membership.
包含的数据点被分配到最硬聚类，获得分配点（一）与最大隶属类聚类指数的整数向量。
参数：iter
the number of iterations performed.
执行的迭代次数。
参数：membership
a matrix with the membership values of the data points to the clusters.
数据点聚类的成员值的矩阵。
参数：withinerror
the value of the objective function.
目标函数值。
参数：call
the call used to create the object.
调用用于创建对象。
注意----------Note----------
Note that the clustering is based soley on the exprs matrix and no information is used from the phenoData. In particular, the ordering of samples (arrays) is the same as the ordering of the columns in the exprs matrix. Also, replicated arrays in the exprs matrix are treated as independent by the mfuzz function i.e. they should be averagered prior to clustering or placed into different
请注意，基于聚类的掌上明珠，exprs矩阵，没有信息是从phenoData使用。样本（阵列）的顺序，特别是作为exprs矩阵中列的顺序是相同的。此外，复制exprs矩阵阵列被视为独立的mfuzz功能，也就是说，它们应该被averagered聚类之前或放置到不同的
作者（S）----------Author(s)----------
Matthias E. Futschik (<a href="http://www.cbme.ualg.pt/mfutschik_cbme.html">http://www.cbme.ualg.pt/mfutschik_cbme.html</a>)
参考文献----------References----------
gene expression time-course data, Journal of Bioinformatics and Computational Biology, 3 (4), 965-988, 2005
<h3>See Also</h3>
举例----------Examples----------
if (interactive()){
data(yeast)
# Data pre-processing[数据预处理]
yeastF <- filter.NA(yeast)
yeastF <- fill.NA(yeastF) # for illustration only; rather use knn method[只用于说明目的，而是使用KNN方法]
yeastF <- standardise(yeastF)
# Soft clustering and visualisation[软聚类和可视化]
cl <- mfuzz(yeastF,c=20,m=1.25)
mfuzz.plot(yeastF,cl=cl,mfrow=c(2,2))
# Plotting center of cluster 1 [第1组的策划中心]
X11(); plot(cl[[1]][1,],type="l",ylab="Expression")
# Getting the membership values for the first 10 genes in cluster 1[获得的第10个基因在第1组的成员值]
cl[[4]][1:10,1]
}
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。
|
发表于 2012-2-26 00:48:37
