Analyse molekularbiologischer Daten mittels Self-organizing Maps

dc.contributor.author	Wirth, Henry
dc.contributor.editor	Hölldobler, Steffen
dc.date.accessioned	2020-08-21T08:46:04Z
dc.date.available	2020-08-21T08:46:04Z
dc.date.issued	2013
dc.description.abstract	Die Molekularbiologie sieht sich gegenwärtig mit enormen Datenmengen konfrontiert, welche durch moderne Hochdurchsatzmessungen wie Microarrays oder Sequenzierung erzeugt werden. Etablierte Methoden zur Datenanalyse erweisen sich zumeist als ungeeignet für solch hochdimensionale, komplexe und meist verrauschte Daten. Wir stellen hier kurz unsere Analysestrategie vor, welche essenzielle Methoden wie Dimensionsreduzierung, Clustering, multidimensionales Skalieren und Visualisierung vereint und zudem eine in hohem Maße intuitive Sicht auf die Daten erlaubt.	de
dc.identifier.isbn	978-3-88579-417-2
dc.identifier.pissn	1617-5468
dc.identifier.uri	https://dl.gi.de/handle/20.500.12116/33746
dc.language.iso	de
dc.publisher	Gesellschaft für Informatik
dc.relation.ispartof	Ausgezeichnete Informatikdissertationen 2012
dc.relation.ispartofseries	Lecture Notes in Informatics (LNI) - Dissertations, Volume D-13
dc.title	Analyse molekularbiologischer Daten mittels Self-organizing Maps	de
gi.citation.endPage	300
gi.citation.publisherPlace	Bonn
gi.citation.startPage	291

Dateien

1 - 1 von 1