采用多样性选择的量子粒子群双向聚类算法

• 作者: 李梁 罗云 陈佳瑜
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 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
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 理论与研发
• 页码范围: 42-46
• 页数: 5页
• 分类号: TP301
• 字数: 4438字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1701-0353

摘要

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.

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
3	罗云	重庆理工大学计算机科学与工程学院	2	2	1.0	1.0