基于進化計算的最大相似雙聚類分析及其應用.pdf

1、基因芯片實驗產生的基因表達數據是一個規(guī)模巨大的數據集合，通常包含成了千上萬個基因，上百個樣本，因此數據具有維度高、數據量大等特點。同時又因為生物個體本身的復雜性，基因表達的水平可能具有極大的差異，也可能高度相似，呈一種無序分散的狀態(tài)。這些數據背后隱藏著巨大的信息，因此需要通過對基因表達數據的挖掘來揭示這些隱藏的信息。而雙聚類是基因表達數據一種很好的分析工具，相比傳統(tǒng)的聚類方法，雙聚類能夠挖掘出更加相似且具有生物意義的信息。因此，本文對基

2、因表達數據的雙聚類算法做了一系列的研究，主要工作有以下幾點:
　　 首先，本文研究了雙聚類的類型、結構、以及搜索策略，分析主流雙聚類算法的特點，研究基于進化計算的雙聚類算法的模型，并提出可以改進的方向。
　　 其次，本文最主要的工作是提出了一種基于進化計算的最大相似雙聚類算法，用于基因表達數據的分析。該算法首先利用特征選擇算法從基因表達數據中選擇部分列作為參條件;然后基于參考條件將數據矩陣進行矩陣轉換;接著根據參考基因求

3、得轉換矩陣的相似矩陣;最后利用進化計算方法，按照二元編碼規(guī)則，初始化種群，進行迭代直到進化結束，得出最優(yōu)個體。算法將滿足一定條件的最優(yōu)個體解碼成雙聚類并將結果保存于結果集中，最終輸出一個雙聚類的集合。
　　 最后，本文在各類基因表達數據上做了對比實驗來檢驗算法的性能。第一類數據為創(chuàng)建的模擬數據集，第二類數據是兩個酵母菌的基因表達數據，第三類數據是癌癥基因表達數據。本文對從各類數據搜索出的雙聚類按照一定的評分準則打分，比較各個雙聚