在统计和数据挖掘中，分层群集（或分层集群分析，HCA）是一种群集分析方法，其目的是构建集群的层次结构。该方法产生给定的一组数据对象的分层分解。现在，在创意蛋白质组学的生物信息管理员很自豪地告诉你我们可以帮助您帮助您分层群集分析服务！

我们可以基于如何形成分层分解的分层方法来分类。分层聚类的策略通常可以分为两种类型：

• 凝聚力：这种方法也称为自底向上方法:每个实例在其自己的集群中启动，集群对合并为一个向上的层次结构。在这个方法中，我们从组成单独组的每个对象开始。它继续合并彼此接近的组或对象。它一直这样做，直到所有对象合并为一个或直到终止的条件发生。
• 分裂：这种方法也被称为自顶向下的方法:所有的观察都从一个集群开始，当一个人向下移动时，分裂被递归地执行。在这个方法中，我们从同一集群中的所有对象开始。在迭代过程中，一个簇被划分为更小的簇。直到每个集群只有一个对象或出现终止条件时，它才会停止运行。

基本的聚类分层聚类算法

• 计算接近图形（如有必要）
• 合并最相似或最接近的两个群集
• 更新邻近矩阵以反映新群集和原始集群之间的接近度
• 重复步骤3和4，直到所有对象都合并为一个群集

简单的划分算法（分裂技术不太常见）：

• 计算接近图形的最小生成树
• 通过打破与最大距离最小相似度对应的链接来创建新群集
• 重复步骤2，直到只留下单个簇

分层聚类具有明显的优势，可以应用任何有效的距离度量。实际上，不需要观察结果：所用的所有是距离的矩阵。

如何下订单：

*如果您的机构要求签署保密协议，请通过电子邮件与我们联系

作为世界领先的组学行业公司之一!Creative Proteomics目前正在为我们的客户提供分层集群服务。我们在生物信息学领域拥有超过8年的经验，愿为客户提供最优秀的服务!联系我们所有详细信息！