基因表达数据在数据库中的预处理(1)
生物信息学数据分析的处理流程与方法指南
生物信息学数据分析的处理流程与方法指南概述：生物信息学是一门综合性学科，主要研究生物学信息的获取、存储、处理与分析。
随着高通量测序技术的快速发展，生物信息学数据分析成为了生命科学研究中不可或缺的一个环节。
本文将介绍生物信息学数据分析的处理流程与方法，以帮助研究人员系统地进行生物信息学数据分析。
一、数据预处理生物信息学数据分析的第一步是对原始数据进行预处理。
1. 数据质量控制：对测序数据进行质量控制，去除低质量的碱基和序列，以保证后续分析的准确性。
2. 序列比对：将测序数据与参考基因组或转录组进行比对，确定每个序列的起源以及位置。
二、数据分析数据预处理完成后，可以进行下一步的数据分析，包括以下几个方面：1. 基因表达分析：将转录组数据根据不同条件（如不同时间点、不同处理）进行比较，寻找差异表达的基因。
2. 差异分析：通过比较不同条件下的生物样品，确定差异表达的基因或突变位点。
3. 功能注释：利用公共数据库，对差异表达的基因进行功能注释，寻找其功能以及相关的通路和生物过程。
4. 基因调控网络分析：构建基因调控网络，探究基因之间的关系及其调控网络的重要成员。
5. 蛋白质互作分析：通过蛋白质互作网络，研究蛋白质之间的相互作用，揭示蛋白质的功能及其参与的信号通路。
6. 基因组结构变异分析：研究基因组结构变异，如插入、缺失、倒位等，探究其对个体表型的影响。
7. 代谢组和蛋白组分析：通过代谢组和蛋白组的分析，了解代谢通路和相关蛋白的变化，研究其与生物表型之间的关系。
三、统计分析生物信息学数据分析不可避免地涉及统计分析，帮助我们从数据中找到有意义的关联性或差异。
1. 差异分析的统计学方法：使用适当的统计学方法，如T检验、方差分析等，对差异表达的基因进行统计分析。
2. 多重校正：由于高通量测序数据的量庞大，需要进行多重校正，控制假阳性率。
3. 数据可视化：通过图表或可视化工具，将分析结果直观地呈现，便于研究者理解和解释数据。
高通量基因表达数据分析与生物信息学方法综述
高通量基因表达数据分析与生物信息学方法综述概述随着高通量测序技术的不断发展，基因表达数据的产生速度和规模大幅增加。
这些数据的分析对于深入理解生物体内基因调控网络和相关疾病的发生机制具有重要意义。
生物信息学方法的应用为高通量基因表达数据的解读提供了强大的工具。
本文将综述高通量基因表达数据分析的方法，包括预处理、差异表达分析、功能注释以及数据可视化方法。
1. 高通量测序数据的预处理高通量测序数据包括了RNA测序、小RNA测序、DNA甲基化测序等。
在进行数据分析之前，需要进行一系列的预处理步骤以确保数据的质量和准确性。
预处理包括了去除低质量序列、去除接头污染、去除PCR扩增产物、去除宿主污染等。
一般使用的预处理工具包括Trim Galore、Fastx-toolkit、Cutadapt等。
2. 差异表达分析差异表达分析是高通量基因表达数据分析的重要步骤，通过对实验组和对照组进行比较，筛选出在不同生物条件下显著表达变化的基因。
在差异表达分析中，常使用的方法包括DESeq、edgeR、limma等。
这些方法可以考虑到数据的离散性和复现性，并对差异表达结果进行统计显著性检验。
3. 功能注释功能注释是对差异表达基因的功能进行解读和理解的过程。
通过将差异表达基因与公共数据库进行比对，可以确定基因的功能和相关代谢通路。
常用的功能注释工具包括DAVID、KOBAS、GOseq、KEGG等。
这些工具可以对差异表达基因进行富集分析、通路分析和功能注释。
4. 数据可视化方法数据可视化是高通量基因表达数据分析的重要环节，能够直观地展示数据分布、差异表达基因的表达模式和特征。
常用的数据可视化工具包括ggplot2、heatmap、PCA、Venn图等。
这些工具可以绘制柱状图、热图、散点图、气泡图等多种图形，帮助研究人员深入理解基因表达数据。
结论高通量基因表达数据分析需要经过预处理、差异表达分析、功能注释和数据可视化等多个步骤。
生物信息学中的基因表达数据分析教程
生物信息学中的基因表达数据分析教程基因表达数据分析是生物信息学中的重要研究领域，它帮助我们理解基因在不同条件下的表达模式，揭示基因功能和调控机制。
本篇文章将为您介绍基因表达数据分析的基本流程和常用的方法。
一、基因表达数据基因表达数据是指基因在细胞或组织中的相对或绝对表达水平。
它可以通过不同的实验方法获得，如基因芯片（microarray）和高通量测序（high-throughput sequencing）技术。
这些技术产生的数据量庞大，需要通过生物信息学的方法进行分析和解释。
二、常用的基因表达数据分析方法1. 数据清洗和预处理基因表达数据分析的第一步是对原始数据进行清洗和预处理。
这包括数据质量控制、噪声去除、基因表达量的归一化和批次效应的去除等。
这些步骤有助于提高数据的准确性和可靠性。
2. 异常值检测在基因表达数据中，可能存在异常值或离群点。
这些异常值可能是实验误差、生物学变异或技术偏差导致的。
通过统计学和可视化方法，我们可以检测和处理这些异常值，以避免其对后续分析结果的影响。
3. 差异表达分析差异表达分析是基因表达数据分析的核心内容之一。
它可以帮助我们发现在不同生物条件下表达差异显著的基因。
常用的差异表达分析方法有t检验、方差分析、贝叶斯方法等。
这些方法可以对基因的差异表达进行统计检验，并筛选出差异表达显著的基因。
4. 功能富集分析功能富集分析可以帮助我们理解差异表达基因的功能和参与的生物过程。
通过将差异表达基因与公共数据库中的功能注释进行比较，我们可以发现这些基因所参与的通路、功能和生物过程。
常用的功能富集分析工具包括DAVID、GOstats、KEGG等。
5. 聚类和可视化聚类分析可以帮助我们将基因表达数据划分为不同的表达模式，从而揭示基因之间的关联和功能聚类。
常用的聚类方法包括层次聚类、k均值聚类、PCA等。
可视化还可以通过图表、热图和网络图等方式直观地展示基因表达模式和差异表达基因。
6. 基因网络分析基因网络分析可以帮助我们理解基因之间的相互作用和调控关系。
生物信息学中基因表达分析的技巧
生物信息学中基因表达分析的技巧基因表达分析是生物信息学中的重要研究领域，它涉及到对基因在不同组织和时间点的表达模式进行解析和解释。
基因表达分析的技巧包括数据获取、数据预处理、差异表达分析以及功能富集分析等步骤，下面将逐一介绍这些技巧。
首先，在进行基因表达分析之前，首要任务是获取与目标研究相关的高质量基因表达数据。
常见的数据来源包括公共数据库（如GEO和TCGA）以及实验室内部的测序实验。
公共数据库提供了大量的已发表数据，而实验室内部的测序实验则能够提供更具针对性的数据。
关于数据选择的原则，需根据研究目的和样本特点进行考虑。
获取到基因表达数据后，下一步是数据的预处理。
预处理的目的是对原始数据进行质量检测、去除噪音、归一化等操作，以减少后续分析中的偏差和误差。
常见的预处理包括测序质控、去除低质量样本和低表达基因、去除批次效应等。
测序质控可以通过FastQC等工具来进行，低质量样本和低表达基因的去除可以根据实验设定的阈值进行，而批次效应的去除则可以使用ComBat、limma等方法。
预处理完成后，接下来的关键步骤是差异表达分析。
差异表达分析是基因表达分析中最重要的环节之一，它旨在寻找不同条件下基因表达水平的显著变化。
在执行差异表达分析之前，需要先进行基本统计分析来获得样本间的差异。
常见的差异表达分析方法包括t检验、方差分析（ANOVA）和广义线性模型（GLM）。
需要注意的是，在进行差异表达分析时，必须要根据研究设计和实验数据的特点，选择合适的统计方法和模型。
差异表达分析获得的结果包括差异表达基因和其相关的统计指标，例如p值、调整p值和折叠变化倍数等。
对于大规模的基因表达数据，选择合适的差异表达基因筛选标准至关重要。
常见的选择标准包括显著性水平、调整p值、差异倍数和基因表达水平的绝对值等。
不同标准的选择将对结果产生显著的影响，因此，需要根据具体研究问题的特点来进行选择。
差异表达基因筛选完成后，接下来可以进行功能富集分析，以帮助研究者更好地理解基因表达变化的生物学意义。
使用生物大数据中心数据库进行基因表达谱分析的步骤
使用生物大数据中心数据库进行基因表达谱分析的步骤生物大数据中心数据库是一个强大的工具，可以用于分析基因表达谱。
在进行基因表达谱分析之前，我们需要明确几个步骤。
本文将详细介绍如何使用生物大数据中心数据库进行基因表达谱分析。
第一步是向生物大数据中心数据库注册账号并登录。
注册账号是使用生物大数据中心数据库进行基因表达谱分析的第一步。
可以访问该数据库的官方网站进行注册。
填写个人信息、用户名和密码后，您将获得一个账号。
登录之后，您可以访问数据库的各个功能和工具。
第二步是选择合适的基因表达数据集。
生物大数据中心数据库拥有众多的基因表达数据集，您可以根据自己的研究需求选择合适的数据集。
数据集通常被分类为不同的物种、组织类型和疾病状态。
例如，如果您的研究关注人类心脏组织的基因表达谱，您可以选择包含心脏组织样本的数据集。
第三步是导入和预处理基因表达数据。
一旦选择了适当的数据集，您可以根据需要下载数据集中的原始数据。
原始数据通常以文本文件或Excel文件的形式提供。
在导入数据之前，您可能需要进行一些预处理步骤，例如去除噪声、归一化或筛选不感兴趣的基因。
这些预处理步骤可以使用生物大数据中心数据库中的工具完成。
第四步是进行基因表达谱分析。
生物大数据中心数据库提供了各种分析工具，可以帮助您更好地理解基因表达谱。
其中包括差异表达基因分析、基因共表达网络分析、功能富集分析等。
差异表达基因分析可以帮助您识别在不同样本之间表达水平显著不同的基因。
基因共表达网络分析可以帮助您发现在相似组织或条件下共同表达的基因模块。
功能富集分析可以帮助您理解哪些生物学过程和信号通路参与了基因的调控。
这些工具可以根据您的研究需求进行灵活的组合和调整。
第五步是解释和呈现分析结果。
一旦完成了基因表达谱分析，您将得到大量的结果，包括差异表达基因列表、共表达基因模块和功能富集结果。
解释和呈现这些结果对于得到有意义的结论至关重要。
生物大数据中心数据库通常提供了数据可视化和分析结果导出的功能。
gsea获取基因方法
gsea获取基因方法一、GSEA的原理GSEA是一种用于分析基因表达数据的统计方法，它不仅考虑单个基因的表达差异，还关注基因集合的整体变化。
其基本原理是将基因集合按照预定义的生物学特征（如功能、通路等）进行分类，然后通过计算每个基因集合在不同表达水平上的富集程度来确定其与特定生物学过程的相关性。
二、GSEA的步骤1. 数据准备：首先，需要准备好基因表达数据集和相应的基因集合数据库。
基因表达数据可以来自于高通量测序或芯片芯片实验，而基因集合数据库可以使用公共数据库如MSigDB或自行构建。
2. 数据预处理：对于基因表达数据，常见的预处理步骤包括数据归一化、批次效应去除和基因过滤等。
这些步骤旨在降低技术噪声和非生物学变异的影响。
3. 计算富集分数：GSEA通过计算每个基因集合在整个基因表达谱上的富集分数来评估其与特定生物学过程的相关性。
富集分数的计算可以使用基于秩的统计方法，如基于Kolmogorov-Smirnov检验的计算方法。
4. 统计显著性分析：对于每个基因集合，GSEA计算一个标准化的富集分数，并使用基于置换的统计检验来评估其在随机情况下的显著性。
这一步骤可以帮助确定哪些基因集合在给定的表达数据中具有显著的富集程度。
5. 结果解释和可视化：通过分析富集分数和显著性分析结果，可以确定哪些基因集合与特定生物学过程相关。
结果可通过图表、热图、气泡图等方式进行可视化，并进一步解释其生物学意义。
三、GSEA的优势和应用1. 高维数据分析：GSEA能够同时考虑多个基因的表达差异，对于高维基因表达数据的分析具有优势。
2. 生物学解释性：GSEA将基因集合与特定生物学过程相关联，有助于揭示基因调控网络和生物学功能。
3. 独立于差异表达分析：与差异表达分析相比，GSEA不依赖于预定义的差异阈值，而是通过基因集合的整体变化来评估其与生物学过程的相关性。
4. 可应用于不同类型的数据：GSEA不仅适用于基因表达数据，还可用于其他类型的生物学数据，如蛋白质组学和代谢组学数据。
基因组学研究中的表达谱数据分析方法解析
基因组学研究中的表达谱数据分析方法解析概述：基因组学研究是研究生物体基因组的编码和非编码序列的科学。
在基因组学研究中，表达谱数据是一种重要的数据类型，由于其高维度和复杂性，需要采用一系列的分析方法和技术来解析。
本文将介绍基因组表达谱数据的分析方法，包括数据预处理、差异表达分析、聚类分析、富集分析以及网络分析。
一、数据预处理：数据预处理是基因组表达谱数据分析的第一步，目的是清除原始数据中的噪声、去除非生物学的变异以及纠正技术上的偏见。
常用的数据预处理步骤包括数据质量控制、归一化和基因过滤。
1. 数据质量控制：首先需要对原始数据进行质量控制，该步骤可通过查看测序质量分数和测序错误率来评估。
常用的工具有FastQC和Trimmomatic等。
该步骤的目的是排除测序引入的噪声。
2. 归一化：由于不同样本之间的表达量存在显著的差异，我们需要对数据进行归一化处理，以消除样本间的偏差。
常用的归一化方法有TPM、FPKM和RPKM等。
归一化后的数据便于后续的比较和统计分析。
3. 基因过滤：在分析表达谱数据时，一些基因的表达量非常低，对分析结果产生较小的影响并增加运算复杂性。
因此，我们通常会对表达量低于一定阈值的基因进行过滤处理，从而提高分析效率。
常用的过滤标准包括表达量百分位数和表达量阈值。
二、差异表达分析：差异表达分析是基因表达谱数据分析的核心内容之一，旨在发现不同条件下存在差异表达的基因。
通常，差异表达分析包括基于假设检验的方法和机器学习方法。
1. 基于假设检验的方法：这类方法通常基于统计学原理，将样本分组，通过计算差异表达的显著性水平来判断基因是否差异表达。
常用的方法包括Student's t-test、Wilcoxon秩和检验和Fisher's确切检验等。
这些方法基于不同的假设，在数据有明确的分布前提下，可以得到比较可靠的差异表达结果。
2. 机器学习方法：机器学习方法对差异表达分析具有较高的灵活性和预测能力。
基因组学数据分析中表观遗传修饰的使用方法
基因组学数据分析中表观遗传修饰的使用方法表观遗传修饰是指通过对基因组中的DNA修饰来调节基因的表达水平而不改变DNA的序列。
在基因组学研究中，表观遗传修饰的分析方法成为了揭示细胞命运决定和疾病发生发展机制的关键。
本文将介绍基因组学数据分析中表观遗传修饰的使用方法，包括常见分析技术、数据处理流程和常见软件工具。
1. 表观遗传修饰的常见分析技术表观遗传修饰的分析技术多种多样，其中最常用的包括DNA 甲基化分析、组蛋白修饰分析和非编码RNA分析。
DNA甲基化分析是最早也是最常见的表观遗传修饰分析技术，通过测量DNA 上的甲基化位点来探究基因调控过程中的表观遗传变化。
组蛋白修饰分析则是通过测量染色质上的不同化学修饰来研究基因表达和染色质状态之间的关系。
非编码RNA分析则主要关注非编码RNA的表达模式和功能，如长链非编码RNA（lncRNA）和微小RNA（miRNA）的作用机制等。
2. 基因组学数据分析中表观遗传修饰的数据处理流程基因组学数据分析中表观遗传修饰的数据处理流程一般分为数据预处理、差异分析和富集分析三个主要步骤。
（1）数据预处理：数据预处理是指对原始数据进行质量控制和过滤，以确保后续分析的准确性和可靠性。
在DNA甲基化测序数据处理中，需要对测序 reads 进行质量控制、去除低质量 reads 和接头序列，并利用软件工具将唯一比对的 reads 保存为 BAM 或者 BED 文件。
组蛋白修饰和非编码RNA测序数据的预处理过程类似，也需要进行质量控制和去除低质量 reads。
（2）差异分析：差异分析是表观遗传修饰研究的关键步骤，通过比较不同样本间表观遗传修饰的水平来筛选差异修饰位点或差异表达基因。
在DNA甲基化测序数据的差异分析中，可以利用统计方法如Fisher精确检验、Student's t 检验或Wilcoxon秩和检验来计算不同组间的甲基化位点的显著差异，统计显著的结果可以进行多重检验校正，如Benjamini-Hochberg 校正。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
数据库与信息管理本栏目责任编辑：闻翔军Computer Knowledge and Technology 电脑知识与技术第5卷第16期(2009年6月)基因表达数据在数据库中的预处理刘春菊，刘自伟，姜遥（西南科技大学计算机科学与技术学院，四川绵阳621010）摘要：存在不完整的、不一致的和含噪声的数据是现实世界大型的数据库或数据仓库的共同特点，基因表达数据也存在这种情况。
因此,在数据挖掘之前对基因表达数据进行预处理非常必要。
关键词：基因表达；数据库；数据预处理中图分类号：TP274文献标识码：A 文章编号：1009-3044(2009)16-4101-02Gene Expression Data Pre-processing in the DatabaseLIU Chun-ju,LIU Zi-wei,JIANG Yao(College of Computer Science &Technology,Southwest University of Science &Technology,Mianyang 621010,China)Abstract:The existence of incomplete,inconsistent and with the noise of the data in large-scale real-world database or data warehouse is a common feature.Gene expression data also has such situation.Therefore,pre-processing is necessary before data mining.Key words:gene expression,database,data pre-processing1引言在数据挖掘中，数据预处理就是在对数据进行知识发现前，先对将要研究的原始数据进行必要的清洗、集成、变换和约简等一系列的处理工作，使之达到挖掘算法进行知识获取研究所要求的最低规范和标准[1]。
2数据来源实验数据来源于美国国立生物技术信息中心,网址：/sites/entrez 。
数据主要包括正常组织的基因表达值，患乳腺癌的基因表达值。
每一组值来源于二个表。
其一，Table1，包括探针ID 号及测得的基因表达值；其二，Table2,主要包括探针ID 号，基因的制作日期、基因名、基因符号、基因描述等共15个属性。
3数据集成数据集成是将多文件或多数据库运行环境中的异构数据进行合并处理，解决语义的模糊性。
该部分主要涉及数据的选择、数据的冲突问题以及不一致数据的处理问题[2]。
由于实验数据在二个表中，需要进行多表连接操作。
根据二个表中都有相同的探针ID 号，因此，可以采用等值连接将二个表集成为一个表，并将集成后的表命名为Table_Integration 如：SELECT Table1.*,Table2.*into Table_IntegrationFROM Table1,Table2WHERE Table1.ID=Table2.ID4数据清理当属性出现缺少值时,有忽略元组、填充最可能的值等补充方法。
在缺少类标号且元组有多个属性缺少值时通常采用忽略元组法,填充最可能值的方法比较常用,它能够通过现存数据的最多信息推测出相对准确的缺少值。
噪音数据是由一种随机错误或被测变量的差变引起的,可采用分箱、丛聚、人机交互检查、回归等数据平滑技术去除。
对于数据集成或有些事务记录中数据可能存在的不一致性,可以采用附加材料给予更正。
知识工程工具也可以用来检测违反数据限制的数据。
由于探针与基因并不是一一对应的关系，因此，集成的表中出现多个ID 号对应同一个基因，此时需要将这种多对一的关系转换为一对一的关系，这里采用平均值法和分组法来解决，对每一个基因进行分组，同一基因的值进行平均化[3]，并将转换后的数据保存在Table_Clean 中，如：SELECT gene,avg(value)INTO Table_CleanFROM Table_Integration group by gene由于Table2中有些ID 号并没有给出相应的基因名，因此，在Table_Clean 中出现了有些样本有对应的基因表达值却没有对应的基因名，此时需要对基因为空的样本进行处理，由于此处涉及到很深生物学知识，而且这些空缺基因很难对应，此处采取忽略元组策略[4]，如：DELETE FROM Table_CleanWHERE gene IS NULL5数据归约由于实验设备容量的限制，所有基因芯片杂交实验不能同时在一个实验炉中进行，而多次试验时炉内的温度、液体密度等微环收稿日期：2009-05-06基金项目：国家自然科学基金资助项目(10676029)ISSN 1009-3044Computer Knowledge and Technology电脑知识与技术Vol.5,No.16,June 2009,pp.4101-4102E-mail:jslt@ Tel:+86-551-569096356909644101本栏目责任编辑：闻翔军数据库与信息管理Computer Knowledge and Technology 电脑知识与技术第5卷第16期(2009年6月)（上接第4100页）SQLBindParameter(stmt,(unsigned short)3,SQL_PARAM_INPUT,SQL_C_DOUBLE,SQL_DOUBLE,0,2,&float1,0,&len);/*绑定Float1字段*/SQLBindParameter(stmt,(unsigned short)4,SQL_PARAM_INPUT,SQL_C_BINARY,SQL_BINARY,0,0,addr,6,NULL);/*绑定Blob1字段*/ret =SQLExecute(stmt);/*执行插入操作*/if (!SQL_SUCCEEDED(ret))return 1;k++;}}/**释放语句句柄**/SQLFreeHandle(SQL_HANDLE_STMT,hsmt);/**断开与数据源的连接**/SQLDisconnect(hdbc);/**释放连接句柄**/SQLFreeHandle(SQL_HANDLE_DBC,hdbc);/**释放环境句柄、卸载驱动程序**/SQLFreeHandle(SQL_HANDLE_ENV,henv);以上代码中，省略了对返回值的校验，在实际应用中应该加入相应的校验代码，以判断是否能进行后续调用。
5结束语本文介绍了ODBC 的体系结构，针对在嵌入式Linux 平台下如何实现用ODBC 接口访问嵌入式数据库SQLite 做了详细论述,并给出了接口的测试程序。
在windows 平台下实现用ODBC 接口访问嵌入式数据库SQLite 是有待进一步做的工作。
参考文献：[1]徐谡.Linux 命令行技术大全[M].北京：人民邮电出版社,2008.[2]萨师宣,王珊.数据库系统概论[M]3版.北京：高等教育出版社,2000.[3]SQLite ODBC Driver,http://www.ch-werner.de/sqliteodbc,2008.[4]Linux ODBC,/developer/interfaces/odbc/linux.html[EB/OL].[5]unixODBC user manual,/[EB/OL].兰艳桃（1978-），女，山西阳高人，硕士研究生，主要研究方向：嵌入式系统。
境的差异必然导致实验过程中产生一定的误差。
因此，必须把不同批次试验得到的数据进行归约处理，使处理后的数据近似可以看成在同一微实验环境下得到的。
例如：对于正常组织的基因，采用均值化处理SELECT gene,(value1+value2+value3)/3‘value ’INTO Table_ReductionFROM Table_Clean.处理后的结果如图1所示：第一列是基因名，第二列是预处理后的正常组织基因表达值，第三列是预处理后患乳腺癌的基因表达值。
6结束语对于以上预处理的很多功能都能在EXCEL 中完成，若通过EXCEL 来完成，则需要做大量复制和粘贴重复性的工作，而且费时，容易出错。
在数据库中完成不仅省时省力，而且结果比较直观。
在数据挖掘过程中，人们对数据预处理的投入远不如对数据挖掘算法的研究，事实上数据预处理工作往往能得到事半功倍的效果。
经过预处理之后，我们不仅可以得到挖掘系统所要求的数据集，使数据挖掘成为可能;而且，还可以尽量的减少数据挖掘系统所付出的代价和提高挖掘出的知识的有效性与易懂性。
参考文献：[1]Ian H.Witten ,Eibe Frank.Data Mining Practical Machine Learning Tools and Techniques[M].USA:Morgan Kaufmann Publishers,2001.[2]Jiawei Han ,Micheline Kamber.Data Mining Concepts and Techniques[M].China Machine Press,2007,30-65.[3]王珊,萨师煊.数据库系统概论[M],北京：高等教育出版社,2006.刘春菊（1981-），女，湖北荆门人，在读研究生，研究方向：数据挖掘，数据库；刘自伟（1940-），男，辽宁人，研究员，主要研究方向：数据挖掘，数据库；姜遥（1983-），男，辽宁沈阳人，研究方向：数据挖掘，数据库。
图14102。