本文選題：雙聚類分析　切入點：基因表達數(shù)據(jù)　出處：《電子科技大學》2017年博士論文　論文類型：學位論文

【摘要】：如何快速從大規(guī)�；虮磉_數(shù)據(jù)中挖掘相關(guān)基因信息,實現(xiàn)高通量基因表達數(shù)據(jù)的精準分析,成為基因表達數(shù)據(jù)分析的關(guān)鍵問題�；虮磉_數(shù)據(jù)的雙聚類分析能有效彌補傳統(tǒng)聚類分析在搜索并確認基因局部表達模式的不足。本文以基因表達數(shù)據(jù)的雙聚類分析為切入點,以提高雙聚類體積、覆蓋率、均方殘差等質(zhì)量評價指標和生物意義為主要目標,基于布谷鳥搜索算法,從單目標優(yōu)化、多目標優(yōu)化和集成學習等方面開展雙聚類分析研究,解決現(xiàn)有雙聚類分析方法存在的雙聚類的質(zhì)量差、多樣性不足和生物意義不明顯等問題。論文的主要工作包括:(1)提出基于布谷鳥搜索雙聚類分析算法(Cuckoo Search Biclustering,CSB)。針對現(xiàn)有雙聚類分析的低覆蓋率和高均方殘差等問題,該算法提出初始雙聚類優(yōu)化選取的策略提高解多樣性,同時在搜索過程中采用服從萊維飛行的隨機搜索策略解決解早熟。CSB算法可有效提高搜索范圍和速度,并能穩(wěn)定跳出局部最優(yōu)解,同時可找到包含不同基因的雙聚類,避免基因過于集中問題。與CC、FLOC、ISA、BIC-aiNet、SEBI、SAB和SSB等算法比較,實驗表明CSB算法的雙聚類質(zhì)量和生物意義更優(yōu)。(2)提出基于遺傳算法和布谷鳥搜索的混合雙聚類分析算法(Genetic Algorithm and Cuckoo Search hybrid Biclustering,GACSB)。通過引入遺傳算法的錦標賽選擇和精英保留等策略,GACSB算法可在計算代價不大幅增加的條件下拓展搜索范圍和深度從而提高雙聚類的多樣性。與CC、FLOC、ISA、SEBI、SSB和CSB等算法的對比實驗表明GACSB算法在雙聚類的多樣性和生物意義上有大幅提高。通過ACV、MSR和VE等指標對比分析,說明GACSB算法可搜索到不同類型的雙聚類,具有較強可擴展性。(3)提出基于多目標布谷鳥搜索的雙聚類分析算法(Multi-Objective Cuckoo Search Biclustering,MOCSB)。通過將雙聚類分析轉(zhuǎn)化為多目標優(yōu)化問題,該算法把多目標布谷鳥搜索算法引入雙聚類分析來同時優(yōu)化雙聚類的均方殘差和體積等質(zhì)量評價指標。MOCSB算法把搜索占優(yōu)解集操作與布谷鳥巢搜索和宿主棄巢操作結(jié)合,可根據(jù)實際需要靈活使用各種雙聚類評價指標。與CC、SEBI、SMOB和CSB等算法比較表明MOCSB算法能提高雙聚類的質(zhì)量和生物意義。(4)提出基于譜聚類的集成雙聚類分析算法(Spectral Ensemble Biclustering,SEB)。針對雙聚類集成問題中雙聚類的質(zhì)量不高且多樣性不足,一致函數(shù)計算復(fù)雜度高和雙聚類結(jié)果的生物意義不明顯等問題,SEB算法使用不同雙聚類質(zhì)量評價指標獲得多個基雙聚類,然后基于譜聚類的一致函數(shù)進行集成獲得一致雙聚類。與VC、BGPC、MMMC和COAC等算法對比分析表明SEB算法在計算效率、雙聚類的質(zhì)量評價指標和生物意義等方面獲得提高。
[Abstract]:How to quickly mine the related gene information from large-scale gene expression data, and realize accurate analysis of high-throughput gene expression data, It is the key problem of gene expression data analysis. The double cluster analysis of gene expression data can effectively make up for the deficiency of traditional clustering analysis in searching and confirming the local expression pattern of gene. In this paper, we take the double cluster analysis of gene expression data as the breakthrough point. In order to improve the quality evaluation indexes such as volume, coverage, mean square residuals and biological significance of the double clustering, based on the cuckoo search algorithm, double clustering analysis was carried out from the aspects of single objective optimization, multi-objective optimization and integrated learning. In order to solve the problem of poor quality of the existing methods of double clustering analysis, The main work of this paper includes: 1) to propose a Cuckoo Search Biclusteringing algorithm based on Cuckoo Search Biclustering.To solve the problems of low coverage and high mean square residuals in the existing double clustering analysis, In this algorithm, the initial double clustering optimization strategy is proposed to improve the diversity of solutions, and the random search strategy of flight from Levi to solve the precocious. CSB algorithm can effectively improve the search range and speed. It can stably jump out of the local optimal solution, at the same time, we can find the double clustering containing different genes, and avoid the problem of gene concentration, which is compared with the algorithms such as CCF FLOCU ISAA BIC-aiNet SEBISAB and SSB, etc. Experiments show that the CSB algorithm has better quality and biological meaning.) A hybrid clustering analysis algorithm based on genetic Algorithm and Cuckoo Search hybrid hybrid clustering is proposed based on genetic algorithm and Cuckoo search. The introduction of genetic algorithm for tournament selection and elite preservation is carried out. The GASCSB algorithm can expand the search range and depth without significantly increasing the computational cost, and thus improve the diversity of the double clustering. The experiment results show that the GACSB algorithm has diversity and growth in biclustering compared with other algorithms such as CCF FLOCU ISAA and SEBISSB and CSB. Through the comparative analysis of ACVG MSR and VE, It shows that the GACSB algorithm can search different types of double clustering, and has strong extensibility.) A multi-objective Cuckoo Search clustering analysis algorithm based on multi-objective cuckoo search is proposed. By transforming the double clustering analysis into a multi-objective optimization problem, this paper proposes a new algorithm, which is called Multi-Objective Cuckoo Search clustering algorithm. In this algorithm, the multi-objective cuckoo search algorithm is introduced into the double clustering analysis to optimize the quality evaluation indexes such as mean square residuals and volume simultaneously. MOCSB algorithm combines the search dominant solution set operation with the cuckoo nest search and host abandon nest operation. According to the actual needs, we can flexibly use all kinds of evaluation indexes of double clustering. Compared with the algorithms such as CCS, SMOB and CSB, it shows that the MOCSB algorithm can improve the quality and biological significance of the double clustering.) an integrated double clustering algorithm based on spectral clustering is proposed, which is called Spectral Ensemble Biclustering. In order to solve the problem of biclustering integration, the quality of biclustering is not high and the diversity is not enough. The problems of high computational complexity of uniform function and the biological significance of the result of biclustering are not obvious. The SEB algorithm uses different quality evaluation indexes of biclustering to obtain multiple base biclustering. Then, the coherent function based on spectral clustering is integrated to obtain the uniform biclustering, which is compared with the VCP-BGPC-MMMC and COAC algorithms. The results show that the efficiency of the SEB algorithm, the quality evaluation index and the biological significance of the BGPC-MMMC algorithm are improved.
【學位授予單位】：電子科技大學
【學位級別】：博士
【學位授予年份】：2017
【分類號】：TP311.13

【相似文獻】

相關(guān)期刊論文 前10條

1 陳冬牛;用于零件成組的多目標聚類分析[J];成組生產(chǎn)系統(tǒng);1986年01期

2 李斌,郭劍毅;聚類分析在客戶關(guān)系管理中的研究與應(yīng)用[J];計算機工程與設(shè)計;2005年02期

3 張宏翔;李星;;基于聚類分析的學生學習相關(guān)性研究[J];計算機光盤軟件與應(yīng)用;2013年11期

4 蔡建國;;排序聚類分析在成組技術(shù)中的應(yīng)用[J];機械工藝師;1985年01期

5 董玉祥;排序聚類分析計算程序[J];成組生產(chǎn)系統(tǒng);1986年01期

6 A·Gongaware,Inyong Ham,焦虹;用于成組制造系統(tǒng)的聚類分析法[J];成組生產(chǎn)系統(tǒng);1986年02期

7 史逸芬,蔡建國;排序聚類分析法在相似零件成組中的應(yīng)用[J];成組生產(chǎn)系統(tǒng);1986年03期

8 徐大威,王鴻歌;聚類分析應(yīng)用程序系統(tǒng)[J];冶金自動化;1988年01期

9 張春早;會議評判與聚類分析[J];機械工程;1988年02期

10 吳國安;聚類分析在鳥的分類中的應(yīng)用[J];黑龍江大學自然科學學報;1989年04期

相關(guān)會議論文 前10條

1 梅翠;;我國各地區(qū)居民收入差距及其對消費的制約[A];中國現(xiàn)場統(tǒng)計研究會第12屆學術(shù)年會論文集[C];2005年

2 李均立;傅國華;;海南各縣(市)經(jīng)濟實力的聚類分析[A];中國現(xiàn)場統(tǒng)計研究會第12屆學術(shù)年會論文集[C];2005年

3 劉黃金;曹林峰;;南京服務(wù)業(yè)發(fā)展的聚類分析[A];江蘇省現(xiàn)場統(tǒng)計研究會第十次學術(shù)年會論文集[C];2006年

4 肖靜;楊澤峰;徐辰武;;微陣列表達譜監(jiān)督聚類分析方法的比較研究[A];江蘇省遺傳學會第七屆代表大會暨學術(shù)研討會論文摘要匯編[C];2006年

5 路愛峰;崔玉杰;;滬市電力上市公司經(jīng)營業(yè)績的聚類分析[A];中國數(shù)學力學物理學高新技術(shù)交叉研究學會第十二屆學術(shù)年會論文集[C];2008年

6 陳國華;廖小蓮;夏君;;證券投資分析的聚類分析方法[A];中國企業(yè)運籌學[2011（1）][C];2011年

7 張紅衛(wèi);隗金水;;聚類分析評價與測量效度關(guān)系探討[A];第九屆全國體育科學大會論文摘要匯編(4)[C];2011年

8 牛東曉;乞建勛;;網(wǎng)絡(luò)資源平衡問題的聚類分析優(yōu)化遺傳算法研究[A];2001年中國管理科學學術(shù)會議論文集[C];2001年

9 詹原瑞;彭書杰;李如一;;基于聚類分析的企業(yè)信用等級評價方法[A];西部開發(fā)與系統(tǒng)工程——中國系統(tǒng)工程學會第12屆年會論文集[C];2002年

10 鄒曉玫;修春波;;基于聚類分析的犯罪率相關(guān)因素的研究[A];當代法學論壇（二○一○年第3輯）[C];2010年

相關(guān)博士學位論文 前10條

1 殷路;基因表達數(shù)據(jù)的雙聚類分析與研究[D];電子科技大學;2017年

2 張建萍;基于計算智能技術(shù)的聚類分析研究與應(yīng)用[D];山東師范大學;2014年

3 李成安;分布式環(huán)境下聚類分析新方法的研究[D];浙江大學;2006年

4 張煥萍;面向基因表達數(shù)據(jù)的致病基因挖掘方法研究[D];南京航空航天大學;2009年

5 楊旭杰;基于統(tǒng)計方法模型分析的中藥復(fù)方專利保護研究[D];北京中醫(yī)藥大學;2012年

6 蔡瑞初;基因表達數(shù)據(jù)挖掘若干關(guān)鍵技術(shù)研究[D];華南理工大學;2010年

7 劉亞杰;基于智能優(yōu)化算法的腫瘤微陣列基因表達數(shù)據(jù)分類研究[D];云南大學;2014年

8 李寶玲;王裕頤教授學術(shù)思想與臨床經(jīng)驗總結(jié)及治療眩暈證治規(guī)律研究[D];北京中醫(yī)藥大學;2012年

9 陸慧娟;基于基因表達數(shù)據(jù)的腫瘤分類算法研究[D];中國礦業(yè)大學;2012年

10 張麗娟;微陣列基因表達數(shù)據(jù)分類問題中的屬性選擇技術(shù)研究[D];國防科學技術(shù)大學;2008年

相關(guān)碩士學位論文 前10條

1 李元俊;大學生就業(yè)能力培養(yǎng)與社會需求的匹配性研究[D];山東建筑大學;2015年

2 馮雪冰;基于模糊理論的EM算法在聚類分析的應(yīng)用研究[D];中國地質(zhì)大學(北京);2015年

3 黃銀;行業(yè)地區(qū)發(fā)展水平的聚類分析[D];蘇州大學;2015年

4 郭俊峰;聚類分析下的股票投資價值挖掘研究[D];大連海事大學;2015年

5 張旭;考慮風電接入不確定性的節(jié)點特性建模研究[D];山東大學;2015年

6 褚旭;我國各省市CDM項目聚類分析及影響因素研究[D];首都經(jīng)濟貿(mào)易大學;2015年

7 劉鑫琳;VAGUE集理論及其在聚類分析中的應(yīng)用[D];廣西大學;2015年

8 周穎;基于蟻群算法的聚類分析在學生成績中的研究[D];南昌大學;2015年

9 邢蕊;以聚類分析為基礎(chǔ)的我國證券公司效率研究[D];山西大學;2015年

10 王帥宇;K-Means算法在用戶細分方面的應(yīng)用研究[D];北京理工大學;2015年

，

本文編號：1616589