[发明专利]一种微液滴数据分析方法及系统

权利要求书

1.一种微液滴数据分析方法，其特征在于，包括：

步骤S1：从微液滴样本中获取m个样本数据，m＞＞3；

步骤S2：采用K-均值算法对m个样本数据进行初步分类，得到Vic信号簇、fam信号簇以及噪音信号簇；

步骤S3：计算所述fam信号簇与所述Vic信号簇的比值结果，当所述比值结果属于阈值范围内时，执行步骤S5，否则，执行步骤S4；

步骤S4：当所述比值结果小于阈值范围时通过K-均值算法对所述Vic信号簇优化校正，或者，当所述比值结果大于阈值范围时通过DBSCAN算法对所述fam信号簇优化校正，返回步骤S3；

步骤S5：输出Vic信号簇、fam信号簇和噪音信号簇的聚类分布图，得到所述微液滴样本的数据分析结果。

2.根据权利要求1所述的方法，其特征在于，所述步骤S2，采用K-均值算法对m个样本数据进行初步分类，得到Vic信号簇、fam信号簇以及噪音信号簇的方法包括：

构建坐标轴，所述坐标轴包括m个样本数据；

随机选取3个样本数据，分别标记第一中心点、第二中心点和第三中心点；

分别计算各样本数据分别至各中心点的相异度值，得到初次相异度值集合；

基于所述初次相异度值集合对未标记样本数据进行聚类，分别得到初次Vic信号簇、初次fam信号簇和初次噪音信号簇，并分别重新计算初次Vic信号簇的中心点、初次fam信号簇的中心点和初次噪音信号簇的中心点；

分别计算各样本数据与重新确定的3个中心点的相异度值，得到第2次相异度值集合；

基于第2次相异度值集合对各样本数据进行聚类，对应得到2次Vic信号簇、2次fam信号簇和2次噪音信号簇；

判断第2次聚类结果是否与初次聚类结果一致，若是，将第2次聚类结果输出；否则，执行下述步骤，

再次计算2次Vic信号簇的中心点、2次fam信号簇的中心点和2次噪音信号簇的中心点；

分别计算各样本数据与上次确定的3个中心点的相异度值，得到第n次的聚类结果，n≥3，直至第n次的聚类结果与第n-1次的聚类结果一致，将第n次的聚类结果输出。

3.根据权利要求2所述的方法，其特征在于，n次Vic信号簇的中心点、n次fam信号簇的中心点和n次噪音信号簇的中心点的计算方法分别为：

统计n-1次Vic信号簇中的全部样本数据并计算其坐标均值，得到n次Vic信号簇的中心点；

统计n-1次fam信号簇中的全部样本数据并计算其坐标均值，得到n次fam信号簇的中心点；

统计n-1次噪音信号簇中的全部样本数据并计算其坐标均值，得到n次噪音信号簇的中心点。

4.根据权利要求2所述的方法，其特征在于，上述基于第n次相异度值集合对各样本数据聚类，对应得到n次Vic信号簇、n次fam信号簇和n次噪音信号簇的方法包括：

从所述第n次相异度值集合中，依次筛选各样本数据对应的最小相异度值；

根据所述最小相异度值将各样本数据对应与n次Vic信号簇的中心点、n次fam信号簇的中心点和n次噪音信号簇的中心点聚类，得到n次Vic信号簇、n次Vic信号簇和n次噪音信号簇。

5.根据权利要求2所述的方法，其特征在于，所述相异度值的计算方法为：

采用余弦距离公式计算两点坐标余弦值cosθ，所述两点坐标对应为样本数据的坐标，以及任一中心点的坐标；

应用公式|1-cosθ|求得两点坐标的相异度值。