对于网络的可视化和数据挖掘，有很多图形界面的软件可供选择，比如cytoscape, gephi 等等，这些软件使用方便，操作简单，功能的强大，但是同时也有着一个缺点，就是无法自动处理，只能通过人工点击鼠标来操作，对于大批量数据的分析而...

能看这本书的都是对单细胞测序有所需求或这有这个意愿去学习相关知识的。这本书主要是整合目前常见的单细胞分析流程并尽可能详细的解释这些流程的每一个步骤，包括原理，所使用的工具以及给出栗子。所以可以根据自己的实...

“聚类”（Clustering）试图将数据集中的样本划分为若干个不相交的子集，每个子集被称为一个“簇”或者“类”，英文名为Cluster。比如鸢尾花数据集（Iris Dataset）中有多个不同的子品种：Setosa、Versicolor、Virginica，不同品种的...

基于类比预报、深度学习模式识别技术和基于影响的自动标签策略构建数据驱动框架预测极端天气。训练数据来自大集合的全耦合地球系统模式，并利用标注后的对流层中部的大尺度环流形势（Z500）训练CapsNets，同时利用地面温度和...

本文介绍了一种定义在图上聚类算法-谱聚类。首先介绍谱聚类其实是保持图上节点之间的相似性对节点进行向量表示。然后介绍了谱聚类的目标函数-最小化原始相似性矩阵与样本向量表示,相似性的乘积，由此导出谱聚类与拉普...

本文介绍了混合高斯聚类算法。首先介绍了混合高斯的类表示是一个高斯模型，相似性度量定义为服从类参数为高斯分布，其是一种典型的基于模型的密度聚类算法。然后介绍了混合高斯模型假设类间服从伯努利分布，类内服从高斯分...

本文介绍了K-means聚类算法。首先介绍了K-means算法是一种原型聚类算法，其类表示为类中心点，常用欧式距离作为相似性度量。然后由类内紧致准则给出了Kmeans的目标函数及算法流程，指出了Kmeans是一种基于硬划分的聚类算法...

本文介绍了层次聚类算法。首先抛出了聚类理论中两个关键问题：何为类，何为相似，同时介绍了聚类中常用两种评价指标：内部指标和外部指标。然后介绍了层次聚类算法：凝聚层次聚类和分裂层次聚类算法，两者皆以样本集作为类表示，常...

谱聚类可以看作是基于图的一种聚类方法，在各大论坛有许多介绍谱聚类算法的博客，但是在看的过程中，总是会存在各种各样的困惑，尤其是拉普拉斯矩阵的引入等一些列问题上介绍的不是很清楚。这里基于 Ncut 文章中的推导，给出谱...

3.Centrifuge和Minimap2是处理纳米孔数据的最合适工具，并且可以认为它们是当前的最佳选择;