Data Mining and Applications in Genomics

1. Auflage. Softcover version of original hardcover Auflage 2008
ISBN: 978-90-481-8040-0
Verlag: Springer Netherlands

Buch, Englisch, Band 25, 152 Seiten, Previously published in hardcover, Format (B × H): 155 mm x 235 mm, Gewicht: 260 g

Reihe: Lecture Notes in Electrical Engineering

Data Mining and Applications in Genomics contains the data mining algorithms and their applications in genomics, with frontier case studies based on the recent and current works at the University of Hong Kong and the Oxford University Computing Laboratory, University of Oxford. It provides a systematic introduction to the use of data mining algorithms as an investigative tool for applications in genomics. Data Mining and Applications in Genomics offers state of the art of tremendous advances in data mining algorithms and applications in genomics and also serves as an excellent reference work for researchers and graduate students working on data mining algorithms and applications in genomics.

Zielgruppe

Research

Autoren/Hrsg.

Ao, Sio-Iong

Fachgebiete

• Mathematik | Informatik EDV | Informatik Angewandte Informatik Bioinformatik
• Naturwissenschaften Biowissenschaften Botanik Pflanzenreproduktion, Verbreitung, Genetik
• Mathematik | Informatik EDV | Informatik Daten / Datenbanken Data Mining
• Naturwissenschaften Biowissenschaften Biowissenschaften Genetik und Genomik (nichtmedizinisch)
• Technische Wissenschaften Elektronik | Nachrichtentechnik Elektronik Mikroprozessoren
• Mathematik | Informatik EDV | Informatik Daten / Datenbanken Datenkompression, Dokumentaustauschformate
• Naturwissenschaften Biowissenschaften Tierkunde / Zoologie Tiergenetik, Reproduktion
• Naturwissenschaften Biowissenschaften Angewandte Biologie Bioinformatik
• Medizin | Veterinärmedizin Medizin | Public Health | Pharmazie | Zahnmedizin Vorklinische Medizin: Grundlagenfächer Humangenetik
• Naturwissenschaften Biowissenschaften Molekularbiologie
• Mathematik | Informatik EDV | Informatik Informatik

Inhaltsverzeichnis

Data Mining Algorithms.- Advances in Genomic Experiment Techniques.- Case Study I: Hierarchical Clustering and Graph Algorithms for Tag-SNP Selection.- Case Study II: Constrained Unidimensional Scaling for Linkage Disequilibrium Maps.- Case Study III: Hybrid PCA-NN Algorithms for Continuous Microarray Time Series.- Discussions and Future Data Mining Projects.