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
Originalbündel
1 - 1 von 1