目前,在生物學(xué)信息量爆炸式增長(zhǎng)的時(shí)代,基因表達(dá)譜數(shù)據(jù)的雙聚類分析技術(shù)逐漸成為研究熱點(diǎn),與此同時(shí)各種雙聚類算法也被提出,來(lái)用于確定基因表達(dá)數(shù)據(jù)中的共表達(dá)基因。本論文提出了一種新的雙聚類算法-二進(jìn)制人工魚(yú)群算法(BAFSA),該算法是一種改進(jìn)的元啟發(fā)式搜索算法,并且結(jié)合了傳統(tǒng)人工魚(yú)群算法(AFSA)和二進(jìn)制形式。該算法由于采用了基于線性相關(guān)性的適應(yīng)度函數(shù),因此能夠找到具有移位和縮放模式的基因,解決了傳統(tǒng)聚類算法的缺陷。本論文將該算法應(yīng)用于實(shí)際基因數(shù)據(jù)集中,能夠提取出具有生物學(xué)意義的雙聚類子集,具有較好的聚類性能。目前傳統(tǒng)的雙聚類算法存在兩種缺陷:(1)有可能容易陷入局部最優(yōu);(2)只適用于某些特定的數(shù)據(jù)集。為了使本論文提出的BAFSA算法能夠跳出局部最優(yōu),并且具有廣泛的適用性,本文對(duì)該算法進(jìn)行了創(chuàng)新性的改進(jìn)。本論文將二進(jìn)制人工魚(yú)群算法(BAFS)與二進(jìn)制模擬退火算法(BSA)相結(jié)合,提出了一種新的混合算法BAFS-BSA-BIC。當(dāng)該雙聚類方法應(yīng)用于多個(gè)數(shù)據(jù)集時(shí),搜索了許多具有生物學(xué)意義的雙聚類子集,展現(xiàn)出該算法良好的聚類性能。另外,在與其他經(jīng)典雙聚類算法以及原始BAFSA算法對(duì)比中可以發(fā)...

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖4-1人工魚(yú)(AF)的一般形式

南京郵電大學(xué)碩士研究生學(xué)位論文第四章混合二進(jìn)制人工魚(yú)群模擬退火算法30用于實(shí)際的基因表達(dá)數(shù)據(jù)集中�；诨旌螧AFS-BSA的雙聚類算法混合BAFS-BSA的雙聚類的實(shí)現(xiàn)分為兩個(gè)階段，一是雙聚類的初始化階段，二是最優(yōu)搜索雙聚類。4.1.1初始化該算法的初始化階段由兩部分組成。首先，....

模擬退火算法BSA的流程圖32算法4-1二進(jìn)制

南京郵電大學(xué)碩士研究生學(xué)位論文第四章混合二進(jìn)制人工魚(yú)群模擬退火算法32′(′∈())之間的漢明距離d_H等于1。因此，N(AF)的大小為p。在該迭代中，對(duì)于一個(gè)當(dāng)前以適應(yīng)度函數(shù)值f(AF)為特征的人工魚(yú)AF，從鄰域N(AF)中隨機(jī)選擇一個(gè)鄰居魚(yú)AF"，并計(jì)算f(AF")。然后評(píng)估....

圖5-1雙聚類

南京郵電大學(xué)碩士研究生學(xué)位論文第五章實(shí)驗(yàn)結(jié)果與分析35圖5-1到圖5-4展示了其中四個(gè)計(jì)算所得的雙聚類圖和它們對(duì)應(yīng)的熱圖。另外，表5-1展示了這四個(gè)雙聚類所對(duì)應(yīng)的MSR，ACV，關(guān)聯(lián)函數(shù)值，以及雙聚類的大校圖5-1雙聚類1的熱圖和點(diǎn)線圖圖5-2雙聚類2的熱圖和點(diǎn)線圖

圖5-2雙聚類

南京郵電大學(xué)碩士研究生學(xué)位論文第五章實(shí)驗(yàn)結(jié)果與分析35圖5-1到圖5-4展示了其中四個(gè)計(jì)算所得的雙聚類圖和它們對(duì)應(yīng)的熱圖。另外，表5-1展示了這四個(gè)雙聚類所對(duì)應(yīng)的MSR，ACV，關(guān)聯(lián)函數(shù)值，以及雙聚類的大校圖5-1雙聚類1的熱圖和點(diǎn)線圖圖5-2雙聚類2的熱圖和點(diǎn)線圖

本文編號(hào)：3947431