基因表達數(shù)據(jù)的聚類算法研究及其實現(xiàn).pdf

1、隨著基因芯片技術和先進生物技術的快速發(fā)展，基因芯片可以同時對大量的基因表達譜進行快速的測量分析，這就更加速了基因表達數(shù)據(jù)的產(chǎn)生。如何有效的組織分析、處理這些海量的基因表達數(shù)據(jù)，從中提取出有效的生物、醫(yī)學信息已成為人們關注和研究的熱點。聚類作為基因表達數(shù)據(jù)分析的主要技術之一，在研究基因的共同功能、相互作用及協(xié)同調控等方面有著廣泛的應用。目前應用在基因表達數(shù)據(jù)聚類上的算法有很多，本文將具有量子行為的微粒群優(yōu)化算法(QPSO)應用到基因聚類分

2、析當中，并通過實驗比較說明了QPSO基因聚類算法的優(yōu)越性。本文主要做的工作如下:
　　 (1)在QPSO算法的基礎上，用另外一種目標函數(shù)TWCV代替其原來常用的目標函數(shù)，構成QPSO基因聚類算法。擁有新的目標函數(shù)的QPSO算法應用到基因表達數(shù)據(jù)聚類上，可以避免基因數(shù)據(jù)向量出現(xiàn)不均衡分類的情況。
　　 (2)結合K-means和QPSO、PSO聚類算法的優(yōu)點，提出了KQPSO和KPSO聚類算法。并通過實驗比較它們與QPSO

3、基因聚類算法在基因表達數(shù)據(jù)聚類上的優(yōu)劣性。
　　 (3)利用遺傳算法(GA)的全局優(yōu)化特點和K-means的快速收斂特性，形成一種快速遺傳算法(FGKA)并把它應用在基因聚類當中。然后通過實驗比較QPSO基因聚類算法與FGKA在基因表達數(shù)據(jù)聚類中的不同表現(xiàn)特性。
　　 (4)利用改進的QPSO算法DGQPSO算法去對基因表達數(shù)據(jù)進行聚類，并與QPSO基因聚類算法在基因表達數(shù)據(jù)集上進行性能比較。
　　 本文最后對要