全部 标题 作者
关键词 摘要

OALib Journal期刊
ISSN: 2333-9721
费用:99美元

查看量下载量

相关文章

更多...

具有完全学习策略的量子行为粒子群癌症基因聚类算法

DOI: 10.13190/j.jbupt.2014.04.013, PP. 59-63

Keywords: 完全学习策略,量子行为粒子群,广义回归神经网络,聚类

Full-Text   Cite this paper   Add to My Lib

Abstract:

为提高癌症基因表达数据聚类的准确性和效率,对具有完全学习策略的量子行为粒子群优化(CLQPSO)算法和广义回归神经网络(GRNN)进行了研究,实现了一种CLQPSO癌症基因聚类算法.GRNN能充分利用多条相似基因隐含的规律,对基因表达缺失值的预测有较高的可信度;CLQPSO算法在迭代更新时能充分利用各粒子当前最佳位置和粒子群所提供的社会合作信息,避免过早收敛于局部最优解.实验表明,综合使用GRNN和CLQPSO算法对癌症基因表达数据进行聚类,比K-Means、谱聚类、离散粒子群算法具有更好的聚类性能和全局收敛性.

References

[1]  陶新民, 刘福荣, 刘玉, 等. 一种多尺度协同变异的粒子群优化算法[J]. 软件学报, 2012, 23(7): 1805-1815. Tao Xinmin, Liu Furong, Liu Yu, et al. Multi-scale coop-erateve mutation particle swarm optimization algorithm[J]. Journal of Software, 2012, 23(7): 1805-1815.
[2]  Zhan Zhihui, Zhang Jun, Li Yun, et al. Adaptive particle swarm optimization[J]. IEEE Trans on Systems, Man, and Cybernetics, 2009, 39(6): 1362-1381.
[3]  Kiranyaz S, Ince T, Yildirim A, et al. Fractional particle swarm optimization in multidimensional search space[J]. IEEE Trans on Systems, Man, and Cybernetics—Part B, 2010, 40(2): 298-318.
[4]  陈伟, 周頔, 孙俊, 等. 一种采用完全学习策略的量子行为粒子群优化算法[J]. 控制与决策, 2012, 27(5): 719-730. Chen Wei, Zhou Di, Sun Jun, et al. Improved quantum-behaved particle swarm optimization algorithm based on comprehensive learning strategy[J]. Control and Decision, 2012, 27(5): 719-730.
[5]  贾义鹏, 吕庆, 尚岳全. 基于粒子群算法和广义回归神经网络的岩爆预测[J]. 岩石力学与工程学报, 2013, 32(2): 343-348. Jia Yipeng, Lv Qing, Shang Yuequan. Rockburst prediction using particle swarm optimization algorithm and general regression neural network[J]. Journal of Rock Mechanics and Engineering, 2013, 32(2): 343-348.
[6]  朱思峰, 刘芳, 柴争义. 免疫聚类算法在基因表达数据分析中的应用[J]. 北京邮电大学学报, 2010, 33(2): 54-57. Zhu Sifeng, Liu Fang, Chai Zhengyi. Application of immune clusterng algorithm to the analysis of gene expression data[J]. Journal of Beijing University of Posts and Telecommunications, 2010, 33(2): 54-57.

Full-Text

Contact Us

service@oalib.com

QQ:3279437679

WhatsApp +8615387084133