Logo des Repositoriums
 

Analyse molekularbiologischer Daten mittels Self-organizing Maps

dc.contributor.authorWirth, Henry
dc.contributor.editorHölldobler, Steffen
dc.date.accessioned2020-08-21T08:46:04Z
dc.date.available2020-08-21T08:46:04Z
dc.date.issued2013
dc.description.abstractDie 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.isbn978-3-88579-417-2
dc.identifier.pissn1617-5468
dc.identifier.urihttps://dl.gi.de/handle/20.500.12116/33746
dc.language.isode
dc.publisherGesellschaft für Informatik
dc.relation.ispartofAusgezeichnete Informatikdissertationen 2012
dc.relation.ispartofseriesLecture Notes in Informatics (LNI) - Dissertations, Volume D-13
dc.titleAnalyse molekularbiologischer Daten mittels Self-organizing Mapsde
gi.citation.endPage300
gi.citation.publisherPlaceBonn
gi.citation.startPage291

Dateien

Originalbündel
1 - 1 von 1
Lade...
Vorschaubild
Name:
291.pdf
Größe:
236.14 KB
Format:
Adobe Portable Document Format