隨著生物技術(shù)的不斷發(fā)展,越來越多的基因表達(dá)數(shù)據(jù)被獲取.為了對這些數(shù)據(jù)進(jìn)行聚類分析,本文在深入分析傳統(tǒng)的聚類算法之后,提出了雙精英遺傳聚類算法.該算法通過精英策略來保證種群的全局收斂性.針對遺傳算法交叉過程中的無效交叉與多樣性的丟失,算法還提出了基于差異度的交叉?zhèn)�體選擇策略和雙種群協(xié)同進(jìn)化.通過實驗測試得出,該算法聚類的準(zhǔn)確性更高,更接近真實劃分. 

【文章來源】：小型微型計算機系統(tǒng). 2020,41(07)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

種群多樣性在GDS5401的變化

圖1 種群多樣性在GDS5401的變化SGCA和DEGCA求得種群多樣性變化圖如圖1和圖2所示．從圖1和圖2可知SGCA運行到一定代數(shù)后，種群多樣性將會下降到一個較低水平，從而使算法陷入早熟收斂，而DEGCA由于種群B引入了部分隨機個體，種群多樣性一直維持在一定的水平，從而減少了早熟現(xiàn)象．

【參考文獻(xiàn)】：
期刊論文
[1]融入密度和距離的K-means初始簇中心優(yōu)選方法研究[J]. 馮勇,張學(xué)理,王嶸冰,徐紅艷.  小型微型計算機系統(tǒng). 2018(08)
[2]精英遺傳K-medoids聚類算法[J]. 宋飛豹,賈瑞玉.  計算機工程與應(yīng)用. 2018(22)
[3]基于進(jìn)化個體混雜型適應(yīng)值的交互式遺傳算法[J]. 郭廣頌,李響,郝國生.  計算機工程. 2018(11)
[4]基于蟻群算法的非均勻分簇水聲傳感網(wǎng)能量優(yōu)化路由研究[J]. 王磊,喬莉,齊俊艷,劉志中.  計算機工程. 2018(12)
[5]一種利用曲率約束的改進(jìn)K-means三維點云數(shù)據(jù)分割方法[J]. 楊永濤,黃國言,張坤,吳培良.  小型微型計算機系統(tǒng). 2017(11)
[6]一種加權(quán)K-均值基因聚類算法[J]. 姚登舉,詹曉娟,張曉晶.  哈爾濱理工大學(xué)學(xué)報. 2017(02)
[7]并行采樣Mapreduce移動社交網(wǎng)絡(luò)k均值分布層次聚類[J]. 黃健恒,于軍琪,趙敏華.  小型微型計算機系統(tǒng). 2016(08)
[8]局部子空間聚類[J]. 劉展杰,陳曉云.  自動化學(xué)報. 2016(08)
[9]基于強類別特征近鄰傳播的半監(jiān)督文本聚類[J]. 文翰,肖南峰.  模式識別與人工智能. 2014(07)
[10]雙精英協(xié)同進(jìn)化遺傳算法[J]. 劉全,王曉燕,傅啟明,張永剛,章曉芳.  軟件學(xué)報. 2012(04)

博士論文
[1]基因表達(dá)數(shù)據(jù)的相似性度量和特征提取研究[D]. 王文俊.西安電子科技大學(xué) 2011



本文編號：3417575