基于粒子群算法的基因表达谱聚类分析方法

• 作者: 李梁 陈佳瑜
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 数据挖掘 基因表达谱 双向聚类 粒子群算法 遗传算法
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 信息·计算机
• 页码范围: 89-94
• 页数: 6页
• 分类号: TP301
• 字数: 4191字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2017.02.016

摘要

双向聚类算法可以发现基因表达谱中隐藏的信息.为了寻找规模较大的基因相似矩阵,结合粒子群算法强大的搜索能力,提出了GP-Cluster双向聚类算法.基于粒子群(PSO)算法,引入Sigmoid函数进行动态调整,并在粒子飞行过程中加入了遗传算法(GA)"优胜劣汰"的思想,增加粒子运动的多变性和随机性,避免算法陷入局部最优.实验结果证明:相比GA算法和PSO算法,改进后的混合粒子群算法GP-Cluster能找到质量更佳的双向聚类,取得更好的聚类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李梁	重庆理工大学计算机科学与工程学院	15	242	7.0	15.0
2	陈佳瑜	重庆理工大学计算机科学与工程学院	4	18	2.0	4.0