On the evaluation of clustering results: measures, ensembles, and gene expression data analysis

Jaskowiak, Pablo Andretta

doi:10.11606/t.55.2016.tde-23032016-111454

Cited by 4 publications

(7 citation statements)

References 145 publications

(314 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Unfortunately, a unique definition for clusters does not exist [2] and several internal validation criteria have been proposed [3]. For example, the validation criterion used in k-means is the sum of distances from objects to the centroids of the clusters [4].…”

Section: Introductionmentioning

confidence: 99%

NK Hybrid Genetic Algorithm for Clustering

Tinós

Zhao

Chicano

et al. 2018

IEEE Trans. Evol. Computat.

View full text Add to dashboard Cite

The NK hybrid genetic algorithm for clustering is proposed in this paper. In order to evaluate the solutions, the hybrid algorithm uses the NK clustering validation criterion 2 (NKCV2). NKCV2 uses information about the disposition of N small groups of objects. Each group is composed of K +1 objects of the dataset. Experimental results show that density-based regions can be identified by using NKCV2 with fixed small K. In NKCV2, the relationship between decision variables is known, which in turn allows us to apply gray box optimization. Mutation operators, a partition crossover, and a local search strategy are proposed, all using information about the relationship between decision variables. In partition crossover, the evaluation function is decomposed into q independent components; partition crossover then deterministically returns the best among 2 q possible offspring with computational complexity O(N ). The NK hybrid genetic algorithm allows the detection of clusters with arbitrary shapes and the automatic estimation of the number of clusters. In the experiments, the NK hybrid genetic algorithm produced very good results when compared to another genetic algorithm approach and to state-of-art clustering algorithms.

show abstract

Section: Introductionmentioning

confidence: 99%

NK Hybrid Genetic Algorithm for Clustering

Tinós

Zhao

Chicano

et al. 2018

IEEE Trans. Evol. Computat.

View full text Add to dashboard Cite

show abstract

“…In the present study, we apply HDBSCAN exclusively to MD trajectories. However, it has been tested in a variety of contexts of which we cite a few examples. ,− For example, HDBSCAN has been used to improve querying databases for location-based services and anomaly detection in signal processing . (For a more complete conceptual explanation and a toy example of HDBSCAN, see Methods.…”

Section: Introductionmentioning

confidence: 99%

Uncovering Large-Scale Conformational Change in Molecular Dynamics without Prior Knowledge

Melvin

Godwin

Xiao

et al. 2016

J. Chem. Theory Comput.

View full text Add to dashboard Cite

As the length of molecular dynamics (MD) trajectories grows with increasing computational power, so does the importance of clustering methods for partitioning trajectories into conformational bins. Of the methods available, the vast majority require users to either have some a priori knowledge about the system to be clustered or to tune clustering parameters through trial and error. Here we present non-parametric uses of two modern clustering techniques suitable for first-pass investigation of an MD trajectory. Being non-parametric, these methods require neither prior knowledge nor parameter tuning. The first method, HDBSCAN, is fast—relative to other popular clustering methods—and is able to group unstructured or intrinsically disordered systems (such as intrinsically disordered proteins, or IDPs) into bins that represent global conformational shifts. HDBSCAN is also useful for determining the overall stability of a system—as it tends to group stable systems into one or two bins—and identifying transition events between metastable states. The second method, iMWK-Means, with explicit rescaling followed by K-Means, while slower than HDBSCAN, performs well with stable, structured systems such as folded proteins and is able to identify higher resolution details such as changes in relative position of secondary structural elements. Used in conjunction, these clustering methods allow a user to discern quickly and without prior knowledge the stability of a simulated system and identify both local and global conformational changes.

show abstract

“…No total, existem quatro diferentes bases nitrogenadas no DNA: adenina (A), guanina (G), citosina (C) e timina (T). As duas fitas de uma molécula de DNA são ligadas por suas bases, satisfazendo duas regras: adenina liga-se apenas com a timina e a citosina liga-se apenas com a guanina (JASKOWIAK, 2016). O número de pares de bases ligadas em uma molécula de DNA pode ser utilizado como uma medida de comprimento, nomeada base pairs (bp) (HUMAN GENOME PROGRAM, 1992;SETUBAL;MEIDANIS, 1997;ZHANG, 2006;BLACKBURN et al, 2006;JASKOWIAK, 2016 De modo geral, a estrutura de um RNA possui diversas similaridades com aquela de um DNA.…”

Section: Fundamentos Da Biologia Molecularunclassified

“…As duas fitas de uma molécula de DNA são ligadas por suas bases, satisfazendo duas regras: adenina liga-se apenas com a timina e a citosina liga-se apenas com a guanina (JASKOWIAK, 2016). O número de pares de bases ligadas em uma molécula de DNA pode ser utilizado como uma medida de comprimento, nomeada base pairs (bp) (HUMAN GENOME PROGRAM, 1992;SETUBAL;MEIDANIS, 1997;ZHANG, 2006;BLACKBURN et al, 2006;JASKOWIAK, 2016 De modo geral, a estrutura de um RNA possui diversas similaridades com aquela de um DNA. Entretanto, dentre as principais características que as diferenciam, merecem destaque (SETUBAL; MEIDANIS, 1997;ZHANG, 2006;JASKOWIAK, 2016): (i) no RNA a base timina é substituída pela base uracila (U), que também liga-se com a adenina; (ii) o RNA geralmente não apresenta a estrutura de dupla fita presente no DNA, sendo normalmente encontrado como uma única fita; e (iii) diferente do DNA, que possui apenas a função de codificar as informações de um organismo, o RNA pode ser de três diferentes tipos: RNA mensageiro, RNA transportador ou RNA ribossômico.…”

Section: Fundamentos Da Biologia Molecularunclassified

“…Existem diversos métodos para a manufatura de microarrays (HARRINGTON; RO-SENOW; RETIEF, 2000;JASKOWIAK, 2016). Neste trabalho, as bases de dados reais utilizadas são provenientes de estudos realizados com dois tipos de microarray mais conhecidos: cDNA (SCHENA et al, 1995;DUGGAN et al, 1999) e Affymetrix (LOCKHART et al, 1996;DALMA-WEISZHAUSZ et al, 2006).…”

Section: Microarraysunclassified

See 1 more Smart Citation

Avaliação sistemática de técnicas de bi-agrupamento de dados

Padilha¹

View full text Add to dashboard Cite

AGRADECIMENTOSAos meus pais, Osmário e Walkiria, e demais familiares por sempre acreditarem em meu potencial e serem compreensivos, principalmente nos momentos em que não pude estar presente devido à rotina de pós-graduando. Ao meu orientador, Prof. Dr. Ricardo J. G. B. Campello, por toda a sua seriedade, competência e paciência durante o andamento deste trabalho. Suas contribuições foram importantes para meu amadurecimento tanto na vida acadêmica quanto na vida pessoal. A todos os professores do Departamento de Ciência da Computação da Universidade Estadual do Centro-Oeste (UNICENTRO), instituição na qual cursei minha graduação, que participaram de maneira direta ou indireta da minha formação. Em especial ao Prof. Dr. Sandro Rautenberg e ao Prof. Dr. Fábio Hernandes, por terem me motivado a seguir na área acadêmica e terem me auxiliado com tudo o que puderam para que eu conseguisse ingressar no ICMC/USP. Aos meus amigos da minha cidade natal, Irati-PR, pelos momentos de tranquilidade e distração que pudemos passar juntos sempre que voltei para casa. Embora nossos encontros venham tornando-se cada vez mais raros, ainda assim são inesquecíveis. Em especial agradeço a: Enzo Crisigiovanni, André Vosnika, Giovany Pauluk, Ciro Bittencourt, Mateus Zanlorenzi, Guilherme Kosinski, Tiago Batista e Cristiano Ribas.A todos os amigos e colegas de graduação que conheci nos meus anos em Guarapuava-PR que, embora distantes, ainda mantenho contato e posso contar em todos os momentos. Em especial agradeço a: Luís Simões, Guilherme Leão, Leandro Loma, Gabriel Cecchin e Willian Yassue.A todos os amigos que conheci durante esses dois anos e alguns meses em São Carlos-SP. Por toda nossa convivência nos churrascos, palquinhos, festas e reuniões. Sem vocês minha caminhada seria muito mais difícil e estressante. Em especial agradeço aos meus colegas do

show abstract

On the evaluation of clustering results: measures, ensembles, and gene expression data analysis

Cited by 4 publications

References 145 publications

NK Hybrid Genetic Algorithm for Clustering

NK Hybrid Genetic Algorithm for Clustering

Uncovering Large-Scale Conformational Change in Molecular Dynamics without Prior Knowledge

Avaliação sistemática de técnicas de bi-agrupamento de dados

Contact Info

Product

Resources

About