基于PSO的雙向聚類算法研究.pdf

1、生物信息學(xué)是一門結(jié)合了生物學(xué)、計算機科學(xué)、數(shù)學(xué)和化學(xué)等領(lǐng)域知識的交叉學(xué)科。隨著科技的飛速發(fā)展，基因測序技術(shù)的研究取得了重大突破，人們逐漸開始對基因的功能和內(nèi)在機理展開了探索研究。目前，每天都會產(chǎn)生海量的基因信息數(shù)據(jù)，生命科學(xué)的研究重點也從如何獲取生物數(shù)據(jù)轉(zhuǎn)移到了怎樣對這些數(shù)據(jù)進行有效的分析上面。
　　目前，對基因表達數(shù)據(jù)的分析處理，主要采用的方法是聚類。一般的聚類只能從基因矩陣的行或者列單一方向進行，這種方法只能找到基因表達數(shù)據(jù)矩

2、陣中的全局信息。而大量有價值的生物學(xué)信息往往就隱藏在這些局部信息中，雙向聚類是一種能有效解決該類問題的新興手段。隨著雙向聚類得到越來越多的應(yīng)用，現(xiàn)存算法的缺點與不足也逐漸暴露了出來，因此研究雙向聚類問題是很有必要的。
　　本文的研究目的是利用粒子群算法解決雙向聚類問題，并通過一系列實驗對比說明了結(jié)合粒子群優(yōu)化的雙向聚類算法的優(yōu)越性。本文主要做的工作如下：
　　（1）雙向聚類算法是一種局部搜索算法，對于繁雜的基因數(shù)據(jù)矩陣，直接

3、對其整體進行雙向聚類，計算量大且聚類效果不理想。本文在粒子群算法的基礎(chǔ)上，使用總體類間差異先對整個基因矩陣全局尋優(yōu)，找出有一定相似性的基因子矩陣，再對其進行添加或刪除行列的操作。使得到的雙向聚類結(jié)構(gòu)更加規(guī)整，避免了基因表達數(shù)據(jù)不均衡分類的情況。
　?。?）雙向聚類算法是一種多目標優(yōu)化算法，F(xiàn)LOC算法作為經(jīng)典雙向聚類算法之一，卻不能很好的同時優(yōu)化多個目標。結(jié)合PSO算法，對FLOC算法的目標函數(shù)做出修改，提出了PSO-FLOC聚類