11、基因数据关联规则挖掘与双向聚类算法稳定性研究

基因数据关联规则挖掘与双向聚类算法稳定性研究

在生物信息学领域，对基因数据的深入分析至关重要。关联规则挖掘和双向聚类算法是其中的重要技术，能够帮助我们发现基因表达模式与基因注释之间的关系，以及分析基因数据的聚类稳定性。下面将详细介绍相关的技术和实验结果。

1. GenMiner关联规则挖掘

GenMiner是为从包含基因表达数据和注释的大型密集数据集中挖掘关联规则而开发的工具。与大多数基因表达解释方法不同，GenMiner将生物信息和基因表达谱整合在一个框架中。

1.1 GenMiner的执行时间和可扩展性

为了评估GenMiner在不同最小支持度（minsupp）和最小置信度（minconf）阈值下的执行时间和内存使用情况，进行了实验。实验设置了minconf分别为0.9（90%）、0.5（50%）和0.3（30%）的三组执行，每组中minsupp在0.02（2%）到0.002（0.2%）之间变化。实验结果如下表所示：

minsupp (#)	minconf = 0.9	minconf = 0.5	minconf = 0.3
0.020 (50)	9.18	10.40	10.88
0.015 (37)	16.47