无监督学习方法及其应用

无监督学习是机器学习的一个重要分支，其在机器学习、数据挖掘、生物医学大数据分析、数据科学等领域有着重要地位。本书阐述作者近年在无监督学习领域所取得的主要研究成果，包括次胜者受罚竞争学习算法、K-means学习算法、K-medoids学习算法、密度学习算法、谱图聚类算法；*后介绍了无监督学习在基因选择、疾病诊断中的应用。

谢娟英，博士，副教授，硕士生导师，中国计算机学会高级会员。 “Health Information Science and Systems”副主编。主要研究方向为机器学习、数据挖掘、生物医学大数据分析、智能信息处理等。

目 录
第1章 绪论 1
　　1.1 机器学习简介 1
　　1.2 无监督学习简介 2
第2章 数据预处理与样本相似性度量 31
　　2.1 数据预处理方法 31
　　2.2 样本相似性度量方法 48
第3章 聚类结果评价指标 55
　　3.1 内部评价指标 55
　　3.2 外部评价指标 72
第4章 竞争学习算法 87
　　4.1 传统次胜者受罚竞争学习算法 87
　　4.2 基于密度的次胜者受罚竞争算法 95
　　4.3 改进的密度次胜者受罚竞争学习算法 99
第5章 K-means学习算法 108
　　5.1 传统K-means聚类算法 108
　　5.2 密度RPCL优化的K-means聚类算法 111
　　5.3 基于样本分布密度的K-means聚类算法 118
　　5.4 小方差优化初始聚类中心的K-means算法 125
　　5.5 全局K-means聚类算法 134
　　5.6 密度全局K-means聚类算法 136
　　5.7 粗糙K-means聚类算法 142
　　5.8 粒度K-means聚类算法 150
第6章 K-medoids学习算法 171
　　6.1 传统K-medoids聚类算法 171
　　6.2 快速K-medoids聚类算法 173
　　6.3 邻域K-medoids聚类算法 180
　　6.4 方差优化初始聚类中心的K-medoids算法 187
　　6.5 粒度K-medoids聚类算法 209
　　6.6 密度峰值优化初始聚类中心的K-medoids聚类算法 234
第7章 基于密度的无监督学习算法 259
　　7.1 DBSCAN算法 259
　　7.2 快速密度峰值发现聚类算法 262
　　7.3 K近邻优化的快速密度峰值发现聚类算法 265
　　7.4 模糊加权K近邻优化的密度峰值发现聚类算法 286
第8章 谱图聚类算法 302
　　8.1 小生成树聚类算法 302
　　8.2 谱聚类算法 306
第9章 无监督学习方法的应用 318
9.1 基于无监督学习的基因选择 318
　　9.2 基于无监督学习的疾病诊断 338
9.3 无监督学习在生物医学大数据分析中的应用展望 404

随着IBM沃森智能医疗机器人的问世以及高通量测序技术的发展，生物医学大数据分析已经成为当今的热门研究领域，特别是随着国际、国内精准医学项目的提出和开展，生物医学大数据分析愈发得到关注。同时，高速发展的计算机技术引发了各行各业的大数据产生。这些来自不同领域的大数据亟待分析。
无监督学习方法无须任何先验知识，可以从海量数据中发现潜在有用的、鲜为人知的知识，是机器学习、数据挖掘等领域的重要数据分析技术。基于无监督学习的特征选择算法可以避免特征选择领域的时间瓶颈，在无须任何先验知识的情况下，快速搜索和发现有用的识别特征，对生物医学领域的标志物识别和发现起到了重要作用。研究基于无监督学习的特征选择方法，将对生物医学大数据分析、癌症等疾病的识别基因发现起到至关重要的作用，将促进癌症等疾病的早发现早治疗，促进基因治疗等精准医学的发展。
本书主要介绍了作者近年来在无监督机器学习领域的研究成果，包括竞争学习、划分式无监督学习、基于密度的无监督学习、谱图聚类等学习算法、基于无监督学习的特征基因选择算法和疾病诊断研究。本书凝聚了作者在无监督机器学习领域全部研究成果以及作者在基于无监督学习的基因选择、疾病诊断领域的初步探索结果。对于无监督机器学习，作者的研究无疑是有限的，并未囊括无监督机器学习领域的所有分支；对于无监督学习方法的应用研究，作者的研究只涉及了特征选择与癌症等疾病的辅助诊断分析等生物医学大数据分析的很少一部分，在蓬勃发展的生物信息学领域只是沧海一粟。由于水平所限，书中难免有不足和疏漏之处，敬请读者批评和指正。