24、基于互信息的监督属性聚类算法实验结果分析

基于互信息的监督属性聚类算法实验结果分析

1. 实验数据概述

实验涉及多种数据集，包括癌症和关节炎相关的微阵列数据集。如类风湿关节炎与健康对照（RAHC）数据集，包含32名类风湿关节炎患者、3名可能患有类风湿关节炎患者以及15名年龄和性别匹配的健康对照的外周血细胞基因表达谱，在复杂度约为26K独特基因（43K元素）的微阵列上进行分析。

2. 阈值δ的优化

2.1 阈值δ的作用

阈值δ在（9.13）中对形成初始粗聚类起着重要作用，它控制着聚类属性之间的相似度，直接影响MISAC算法的性能。当δ增大时，聚类中的属性数量减少，但属性间相对于样本类别的相似度增加；反之，δ减小时，聚类属性间的相似度降低。

2.2 确定最优阈值

为找到最优的δ值，使用类可分性指数S。对于五个微阵列数据集，将δ值从0.80变化到1.0，并仅针对最佳聚类（c = 1）计算类可分性指数。通过以下关系获得每个微阵列数据集的最优δ值：
[
\delta_{optimum} = \arg \min_{\delta} {S }
]
不同数据集的最优δ值如下：
| 数据集 | 最优δ值 |
| ---- | ---- |
| 乳腺癌 | 0.97 |
| 白血病 | 0.96 |
| 结肠癌 | 0.93 |
| RAHC | 0.98 |
| RAOA | 0.96 |

2.3 不同δ值下MISAC算法的性能

通过SVM、K - NN规则和NB分类器的分类准确率来评估MISAC算法在不同δ值下的性能