[发明专利]一种基于生物数据的数据分析方法

说明书

本发明公开了一种基于生物数据的数据分析方法，包括：获取生物数据，建立样本数据库；对所述样本数据库中的生物数据进行特征提取处理，形成属性不同的若干个聚类，建立聚类库；提取所述聚类库中的数据建立高维模型；将需要进行实验的生物数据通过高维模型进行过滤，获得可行数据；本发明通过对生物数据进行聚类处理，结合数据模型剔除错误的生物数据，解决现有技术中不能在海量数据中智能提取所需生物数据，并不能剔除错误数据的技术问题，从而使得可以在海量大数据中智能提取所需的生物数据，并能剔除错误数据，提高实验成功率；对生物数据进行聚类处理，能从海量数据中快速查找出所需数据的所在类群，提高工作效率。

技术领域

本发明涉及数据分析领域，尤其涉及一种基于生物数据的数据分析方法。

背景技术

在对生物研究中，需要对生物数据进行实验处理，但由于生物数据的量非常大，我们往往在海量大数据中寻找符合实验要求的生物数据，这样会极大地降低工作效率，影响实验进度；再加上海量数据的复杂性，还会存在提取到错误数据的可能性，影响实验结果。

正因如此，目前极需一种可以在海量大数据中智能提取所需的生物数据，并能剔除错误数据的分析处理方法。

发明内容

本发明提供了一种基于生物数据的数据分析方法，以解决现有技术中不能在海量数据中智能提取所需生物数据，并不能剔除错误数据的技术问题，从而使得可以在海量大数据中智能提取所需的生物数据，并能剔除错误数据，进而实现提高工作效率和实验成功率。

为了解决上述技术问题，本发明实施例提供了一种基于生物数据的数据分析方法，包括：

获取生物数据，建立样本数据库；

对所述样本数据库中的生物数据进行特征提取处理，形成属性不同的若干个聚类，建立聚类库；

提取所述聚类库中的数据建立高维模型；

将需要进行实验的生物数据通过高维模型进行过滤，获得可行数据。

作为优选方案，所述对所述样本数据库中的生物数据进行特征提取处理，形成属性不同的若干个聚类，建立聚类库，包括：

提取所述样本数据库中的生物数据，使用统计方法将各个生物数据进行分析提取概念关键词；

利用层次聚类算法计算所述概念词之间的相似度，使之聚成一类，形成具有等级关系的聚类；

建立聚类库，将形成的所有聚类储存在聚类库中。

作为优选方案，所述统计方法包括：串频统计方法和信息熵统计方法。

作为优选方案，所述利用层次聚类算法计算所述概念词之间的相似度，使之聚成一类，形成具有等级关系的聚类，包括：

将提取出来的每一个概念关键词单独列成一个类；

利用相似度算法计算类与类之间的相似度；

将计算出相似度大的类合并成一个聚类，直到所有单独列成的类完成合并；

对已经完成合并的聚类继续执行上述步骤，继续进行聚类间合并，直至形成一个具有等级关系的聚类。

作为优选方案，所述相似度算法包括Dice系数和皮尔逊相关性公式。

作为优选方案，所述提取所述聚类库中的数据建立高维模型，包括：

建立训练数据库和测试数据库，将聚类库中的数据分别储存到所述训练数据库和所述测试数据库；

建立高维模型，将所述训练数据库中数据传输到高维模型中进行训练；

数据训练完成后，将所述测试数据库中数据传输到高维模型中进行测试，获得经过优化处理后的高维模型。