登录社区云，与社区用户共同成长
邀请您加入社区
由于自己最近在学习聚类分析，也算是一个入门，相当于将自己这段时间的学习成果进行一个总结，分享给更多打算学习聚类分析或者需要用到聚类分析的同学们~在了解K-MEANS聚类分析之前，我们首先明确聚类的含义，聚类是将数据分类到不同的类或者簇这样的一个过程，所以同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性。因此聚类分析顾名思义，就是在做一个分类的工作。聚类分析是根据在数据中发现的描述对象
单细胞RNA测序（scRNA-seq）数据分析对于理解细胞异质性具有关键意义。然而，scRNA-seq数据固有的高稀疏性和复杂噪声模式对传统聚类方法提出了严峻挑战。为应对这些问题，我们提出了一种深度聚类方法——注意力增强的结构化深度嵌入图聚类（scASDC），该方法融合了多个先进模块，以提升聚类的准确性与鲁棒性。本文方法采用多层图卷积网络（GCN），以捕捉细胞之间的高阶结构关系，构成图自编码器模块
目录1.作者介绍2．层次聚类算法介绍2.1 层次聚类算法原理2.2 层次聚类算法步骤2.3 层次聚类算法分类3．层次聚类算法实现(代码如下)3.1 相关包导入3.2 生成测试数据集3.3 层次聚类实现&画出树状图3.4 获取聚类结果3.5 对比不同方法聚类效果4.参考链接1.作者介绍杨金花，女，西安工程大学电子信息学院，21级研究生研究方向：基于学习方法的运动目标检测电子邮件：290255
