基于PSO的基因表達(dá)數(shù)據(jù)聚類研究.pdf

1、隨著微陣列技術(shù)的廣泛應(yīng)用，越來(lái)越多的基因表達(dá)數(shù)據(jù)被獲取，如何從海量的數(shù)據(jù)中提取有生物學(xué)意義的信息，是目前生物信息學(xué)的一個(gè)重點(diǎn)研究方向。功能相近的基因其表達(dá)模式相似，通過(guò)對(duì)相似表達(dá)模式的發(fā)現(xiàn)可推測(cè)未知基因的功能。通過(guò)研究表達(dá)數(shù)據(jù)得到基因的功能和調(diào)控關(guān)系，需要找到恰當(dāng)?shù)姆治龇椒?。本文采用聚類技術(shù)對(duì)基因表達(dá)數(shù)據(jù)進(jìn)行處理，介紹分析了常用于生物數(shù)據(jù)分析的聚類算法，其中K均值聚類、自組織特征映射網(wǎng)絡(luò)等各具特色。
　　本文在深入分析PSO算法基

2、本理論的基礎(chǔ)上，將PSO算法應(yīng)用到基因表達(dá)數(shù)據(jù)聚類分析領(lǐng)域中，并對(duì)PSO算法進(jìn)行改進(jìn)。為了避免算法早熟收斂，提出了一種自適應(yīng)擾動(dòng)的PSO算法(ADPSO)，以幫助停滯的粒子跳出局部最優(yōu)，并將改進(jìn)后的算法與K-means算法相結(jié)合，提出了一種基于ADPSO-KM的基因表達(dá)數(shù)據(jù)聚類算法，該算法可有效結(jié)合K-means算法和PSO算法的優(yōu)點(diǎn)。
　　為了考察基于ADPSO-KM的基因表達(dá)數(shù)據(jù)聚類算法的收斂性能和優(yōu)化求解能力，驗(yàn)證算法的優(yōu)越