10.3778/j.issn.1002-8331.1701-0353
采用多样性选择的量子粒子群双向聚类算法
双向聚类已成为分析基因表达数据的一种重要工具,可以同时从基因和条件两个方向寻找具有相同表达波动的簇.但双向聚类是一种多目标优化的局部搜索算法,处理繁杂的基因数据时容易陷入局部最优.为提高算法的全局搜索能力,提出了一种多样性选择的量子粒子群双向聚类算法(Diversify-Optional QPSO,DOQPSO).算法首先采用DOQPSO处理基因数据,然后用改进的FLOC算法进行贪心迭代寻找双向聚类,以求得更为理想的结果.算法通过实验仿真,并与FLOC算法和QPSO算法进行比较,结果证明DOQPSO双向聚类算法具有更好的全局寻优能力,且聚类效果更佳.
双向聚类、基因表达数据、量子粒子群算法、多样性选择、FLOC算法
54
TP301(计算技术、计算机技术)
重庆市应用开发计划项目CSTC2013yykf A40002
2018-06-15(万方平台首次上网日期,不代表论文的发表时间)
共5页
42-46