G-bic:为双聚类生成合成基准

科学领域:

• 计算生物学 计算生物学
• 数据挖掘 数据挖掘
• 生物信息学是一种生物信息学.

背景情况:

• 双重集群对于分析生物医学,推和文本挖掘中的复杂数据至关重要.
• 评估双聚类算法需要基本真相,而真实数据集缺乏这种真相.
• 合成数据生成对于可复制和代表性算法评估至关重要.

研究的目的:

• 介绍G-Bic,一个用于双聚类的新型合成数据集生成器.
• 为双聚类算法提供规范性评估工具.
• 解决产生现实的和可重复的合成数据的挑战.

主要方法:

• G-Bic生成具有可控制模式连贯性,数据质量和定位的合成数据集.
• 发电机可以容纳混合类型和时间序列数据.
• 为可重复的基准生成提供了默认配置.

主要成果:

• G-Bic生产了用于评估双聚类算法的合成基准.
• 该工具复制了不同领域的真实数据规律.
• 讨论了模拟真实数据属性的实证策略.

结论:

• G-Bic为双聚类分析提供了一个强大的,可参数化的解决方案.
• 它可以使用内部和外部指标对双聚类解决方案进行可靠的评估.
• 方便对双聚类算法性能进行标准化比较.