matlabfcm函数代码-clustering:探索聚类方法的项目

上传者: 38568031 | 上传时间: 2022-07-19 18:10:15 | 文件大小: 11.17MB | 文件类型: ZIP
matlab fcm函数代码聚类 探索聚类方法的项目 背景 该存储库包含Matei关于群集的Rmd讲座。 我还建议您下载Young / Old FlowRepository数据集。 为此: 安装FlowRepositoryR软件包 使用该程序包,检索FR-FCM-ZZGS数据集 查看此git存储库中的代码,以获取有关如何进行质量控制和数据预选门的建议/指导 之后,玩得开心! 尝试FlowSOM。 考虑一下您自己的聚类和总体识别想法。 寻找在新老受试者之间差异显着的T细胞亚群。 年轻/旧数据集 该数据集由美国纽约州罗彻斯特市的David H. Smith疫苗生物学与免疫学中心罗彻斯特人体免疫学中心创建。 目的是使用SWIFT的竞争性聚类分配方法来测量老年人/年轻人中PBMC亚群之间的差异。 SWIFT是一种非常好的聚类方法,可在MATLAB中实现,如所述。 不幸的是,由于它是在MATLAB(这是一个可商购的系统)中实现的,因此您可能无法自己运行它。 但是,您可以将结果与已发布的SWIFT结果进行比较。 质量控制和门控 此仓库中包含三个包含我的R代码的文件。 yo_utils.R 该文件包

文件下载

资源详情

[{"title":"( 11 个子文件 11.17MB ) matlabfcm函数代码-clustering:探索聚类方法的项目","children":[{"title":"clustering-master","children":[{"title":"clustering_flow.Rmd <span style='color:#111;'> 13.87KB </span>","children":null,"spread":false},{"title":"qc_raw.png <span style='color:#111;'> 416.99KB </span>","children":null,"spread":false},{"title":"README.html <span style='color:#111;'> 1.84MB </span>","children":null,"spread":false},{"title":"qc_gated.png <span style='color:#111;'> 447.43KB </span>","children":null,"spread":false},{"title":"figs_for_clustering.R <span style='color:#111;'> 7.06KB </span>","children":null,"spread":false},{"title":"get_yo_dataset.R <span style='color:#111;'> 357B </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 6.48KB </span>","children":null,"spread":false},{"title":"gate_data.R <span style='color:#111;'> 1.07KB </span>","children":null,"spread":false},{"title":"yo_utils.R <span style='color:#111;'> 32.14KB </span>","children":null,"spread":false},{"title":"clustering_flow.html <span style='color:#111;'> 12.89MB </span>","children":null,"spread":false},{"title":"survey_data.R <span style='color:#111;'> 6.29KB </span>","children":null,"spread":false}],"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明