基因表達譜數(shù)據(jù)聚類算法的研究.pdf

1、生物信息學(Bioinformatics)是伴隨著人類基因組計劃而產(chǎn)生的一門新的學科,這一學科是集計算機科學、生物學、應用數(shù)學、物理等學科為一體的綜合學科?；虮磉_數(shù)據(jù)提供了大量的基因信息,解密了生命的本質(zhì)、基因的功能、特性、生命現(xiàn)象的機理以及遺傳基因的調(diào)控與相互關系,促進了醫(yī)學的快速發(fā)展。鑒于基因表達數(shù)據(jù)的高維小樣本、高噪聲的特性,成千上萬的基因表達數(shù)據(jù)該如何處理成為人們研究的焦點,基因芯片技術和微陣列數(shù)據(jù)分析方法正是隨著這一趨勢發(fā)展

2、起來的一項對于生物信息學很關鍵的技術。通過合理的數(shù)據(jù)分析技術對海量的微陣列數(shù)據(jù)進行分析研究,找出基因之間的表達調(diào)控機制,揭示生命現(xiàn)象的本質(zhì)。
　　聚類分析是數(shù)據(jù)挖掘的一個重要分支領域,從統(tǒng)計學的角度來說,它是一種多元統(tǒng)計分析法,是對基因表達數(shù)據(jù)進行分組處理的有效手段。聚類分析是在不給出任何分類標準的情況下,根據(jù)待研究對象的特性進行自動分類,這種特性主要是指樣本自身的相似性和差異性,使最終的結果滿足相似的個體盡可能分到同一類中,不相

3、似的樣本盡可能分到不同的類中,達到類內(nèi)距離最小,類間距離最大的情形。目前,聚類分析在不同應用領域都有廣泛的應用,而且在基因表達數(shù)據(jù)的分析中也成為主流分析法。
　　本文是圍繞基因表達數(shù)據(jù)的聚類問題展開討論的,主要工作安排如下:
　　(1)對生物信息學、微陣列數(shù)據(jù)的背景基礎知識進行介紹以及介紹了常見聚類分析算法的原理及其應用;
　　(2)詳細介紹了傳統(tǒng)粒子群算法的基本原理,分析了近幾年改進粒子群算法的不足之處,在基于前人研

4、究的基礎上,在傳統(tǒng)粒子群算法中引入非時變權重因子,即權重因子和壓縮因子的結合,提高算法的優(yōu)化性能和收斂速度。
　　(3)根據(jù)基因表達數(shù)據(jù)和聚類算法的特點,將改進的粒子群算法應用到粒子對算法中,最終利用改進的粒子對算法進行K-means聚類。本文以白血病數(shù)據(jù)集、蝴蝶遷移性數(shù)據(jù)集和結腸癌數(shù)據(jù)集為研究對象,利用改進的粒子對K-means聚類算法對數(shù)據(jù)進行聚類處理,由實驗結果可知,得到了良好的聚類效果,與K-means聚類算法相比,準確率