R语言 Mfuzz包 partcoef()函数中文帮助文档(中英文对照)

loveR

partcoef(Mfuzz)
partcoef()所属R语言包：Mfuzz

                                        Calculation of the partition coefficient matrix for soft clustering
                                         软聚类的分配系数矩阵的计算

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This function calculates partition coefficient for clusters within a range of cluster parameters. It can be used to
此函数计算聚类的聚类参数范围内的分区系数。它可以用来


用法----------Usage----------


partcoef(eset,crange=seq(4,32,4),mrange=seq(1.05,2,0.1),...)



参数----------Arguments----------

参数：eset
object of class “ExpressionSet”.
的对象类“ExpressionSet”。


参数：crange
range of number of clusters c.
范围聚类c。


参数：mrange
range of clustering paramter m.
范围聚类放慢参数m。


参数：...
additional arguments for underlying mfuzz.
基本mfuzz额外的参数。


Details

详情----------Details----------

Introduced by Bezdek (1981), the partition coefficient F is defined as the sum of squares of values of the partition matrix divided by the number of values. It is maximal if the partition is hard and reaches a minimum for U=1/c  when every gene is equally assigned to every cluster.
分区系数F Bezdek（1981）介绍，被定义为值的数目分为分区矩阵的值的平方的总和。这是最大的，如果分区是很难达到最低ü= 1 / C时，每一个基因平均分配给每个聚类。

It is well-known that the partition coefficient tends to decrease monotonically with increasing n. To reduce this tendency we defined a normalized partition coefficient where the partition for uniform partitions are subtracted from the actual partition coefficients
这是众所周知的，分配系数趋于下降，增施氮肥的单调。为了减少这种倾向，我们定义了一个规范化的分配系数，统一分区的分区减去从实际的分配系数


值----------Value----------

The function generates the matrix of partition coefficients  for a range of c and m values. It also produces a matrix of normalised
功能产生一系列c和m值的分配系数矩阵。它也产生一个矩阵归


作者（S）----------Author(s)----------


Matthias E. Futschik (<a href="http://itb.biologie.hu-berlin.de/~futschik">http://itb.biologie.hu-berlin.de/~futschik</a>)



参考文献----------References----------

function algorithms, Plenum, 1981
expression data, Proceedings of World Congress of Computational

举例----------Examples----------


if (interactive()){
data(yeast)
# Data pre-processing[数据预处理]
yeastF <- filter.NA(yeast)
yeastF <- fill.NA(yeastF)
yeastF <- standardise(yeastF)

#### parameter selection[＃＃＃参数的选择]
yeastFR <- randomise(yeastF)
cl <- mfuzz(yeastFR,c=20,m=1.1)
mfuzz.plot(yeastFR,cl=cl,mfrow=c(4,5)) # shows cluster structures (non-uniform partition)[显示聚类结构（非均匀分区）]

tmp  &lt;- partcoef(yeastFR) # This might take some time.[这可能需要一些时间。]
F <- tmp[[1]];F.n <- tmp[[2]];F.min <- tmp[[3]]

# Which clustering parameters result in a uniform partition?  [在一个统一的分区聚类参数的结果吗？]
F > 1.01 * F.min

cl &lt;- mfuzz(yeastFR,c=20,m=1.25) # produces uniform partion [产生均匀partion]

mfuzz.plot(yeastFR,cl=cl,mfrow=c(4,5))
# uniform coloring of temporal profiles indicates uniform partition[时间分布均匀着色，表明统一分区]
}

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。