收藏本站
《江南大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

群体智能算法及其在基因表达数据聚类中的应用

陈伟  
【摘要】:群体智能算法是一种新兴的优化计算方法,自20世纪80年代提出以来,引起了众多学科研究者的广泛关注,目前已成为优化技术领域的一个热点研究方向。群体智能算法是基于群体行为对给定的目标进行寻优的启发式搜索算法,其寻优过程体现了随机、并行和分布式的特点。 作为群体智能算法中的典型代表,粒子群优化(Particle Swarm Optimization,PSO)算法是由Kennedy和Eberhart在1995年提出的,其基本思想是受他们早期对鸟类群体行为研究结果的启发,并利用了生物学家Frank Heppner的生物群体模型。PSO算法具有计算简单,易于实现、控制参数少等优点,但是却不是一个全局收敛的算法。量子行为粒子群优化(Quantum-behaved Particle Swarm, QPSO)算法是在分析了PSO算法中粒子收敛行为的基础上,从量子力学角度出发,提出的一种全新PSO算法模型,具有控制参数更少,收敛速度快,全局收敛能力强等特点。 本文以QPSO算法为核心,首先对算法的基本理论进行了系统的研究,提出了算法的改进方法。随后将QPSO算法应用到基因表达数据聚类分析领域中。基因表达数据聚类分析是生物信息学领域的研究热点和难点,本文将基因表达数据聚类分析问题归结为一个优化问题,提出了基于QPSO的基因表达数据聚类算法,取得了良好的聚类划分效果,为基因表达数据的分析开辟了新的方法与思路。论文具体内容如下: (1)首先对课题的研究背景进行了详细地综述,包括群体智能算法和基因表达数据分析的研究现状,提出了本课题的主要研究内容是QPSO算法及其在基因表达数据聚类分析中的应用。在此基础上论述了本课题的研究目标和意义,随后详细阐述了课题的研究基础,即PSO算法的基本理论,介绍了PSO算法的主要改进方法。 (2)对QPSO算法的基本原理进行了介绍,针对QPSO算法存在的粒子早熟问题,提出综合学习QPSO(CLQPSO)算法。在CLQPSO算法中,种群中所有粒子的个体最优位置都被用来更新粒子的局部吸引子,这种新的学习策略保证了种群的多样性,从而防止了粒子的过早收敛。针对CLQPSO算法中的几个关键参数的选取问题进行了详细讨论,通过仿真测试给出了参数的经验设置。为了考察CLQPSO算法的收敛性能和优化求解能力,验证算法的优越性,选择包括CLQPSO算法在内的8个具有代表性的PSO和QPSO算法模型进行了数值仿真测试,测试结果及分析表明,CLQPSO算法对各测试函数具有较好的寻优结果,尤其适用于对多峰函数的优化求解,在保证收敛精度的同时,也具有较快的收敛速度,是一种具有较好收敛性能的全局优化算法。 (3)简单介绍了基因表达数据聚类分析问题的相关基本理论,包括基因表达数据集的矩阵表示方式,基因表达数据的预处理,数据向量之间的相似性度量准则,基因表达数据聚类问题的描述以及聚类结果的评价。提出了基于聚类中心编码和基于类标签编码的QPSO基因表达数据聚类算法,并在6个选取的基因表达数据集上进行聚类仿真测试,对仿真测试的结果进行了详细的讨论。 (4)对专门适用于求解离散空间优化问题的二进制编码QPSO(Binary QPSO, BQPSO)算法进行了深入研究,将综合学习策略引入到BQPSO中,替代原先BQPSO算法中局部吸引子更新时采用的交叉操作,提出了综合学习BQPSO(CLBQPSO)算法。对CLBQPSO算法的数值仿真测试表明,新的学习策略有效提高了算法的全局收敛性能。将其应用于基因表达数据的聚类分析问题中,提出基于类标签编码的CLBQPSO聚类算法。 (5)针对之前提出的聚类算法需要预先确定聚类数目,无法在聚类过程中自适应调整最佳聚类数的问题,提出了两种基于QPSO的动态数据聚类算法。第一种QPSO自动聚类(QPSOAC)算法中,通过特殊的粒子编码方式,在每个粒子中增加一组阈值,作为控制对应聚类中心的开关,在聚类过程中,每个粒子中只有满足激活条件的聚类中心才会被选中进行对数据集的聚类划分。第二种QPSO动态聚类(DCQPSO)算法给定一组聚类中心,通过二进制编码QPSO中的粒子对聚类中心进行选择,再由二进制QPSO的迭代更新确定聚类中心的最优组合,并结合K-means聚类算法得到对数据集的最优聚类划分。在对两种动态聚类算法进行了聚类仿真测试验证算法的有效性之后,将它们应用到了基因表达数据的聚类分析问题中。 论文最后对本课题的主要研究工作和所获得的成果进行了总结,并对今后的进一步研究进行了展望。
【学位授予单位】:江南大学
【学位级别】:博士
【学位授予年份】:2011
【分类号】:TP18;TP311.13

【引证文献】
中国博士学位论文全文数据库 前1条
1 赵晶;量子行为粒子群优化算法及其应用中的若干问题研究[D];江南大学;2013年
中国硕士学位论文全文数据库 前2条
1 李乐;基于量子粒子群算法的电阻抗图像重构研究[D];重庆大学;2012年
2 尹海海;电网故障诊断及保护定值优化研究[D];南京理工大学;2013年
【参考文献】
中国期刊全文数据库 前10条
1 洪炳熔;金飞虎;高庆吉;;基于蚁群算法的多层前馈神经网络[J];哈尔滨工业大学学报;2003年07期
2 段海滨,王道波,于秀芬,朱家强;基于云模型理论的蚁群算法改进研究[J];哈尔滨工业大学学报;2005年01期
3 段海滨;王道波;于秀芬;;基于云模型的小生境MAX-MIN相遇蚁群算法[J];吉林大学学报(工学版);2006年05期
4 屈百达;焦竹青;徐保国;;多量子粒子群协同优化算法研究[J];计算机工程与应用;2008年07期
5 李宁;孙德宝;邹彤;秦元庆;尉宇;;基于差分方程的PSO算法粒子运动轨迹分析[J];计算机学报;2006年11期
6 张纪会,高齐圣,徐心和;自适应蚁群算法[J];控制理论与应用;2000年01期
7 李盼池;李士勇;;求解连续空间优化问题的量子蚁群算法[J];控制理论与应用;2008年02期
8 丁建立,陈增强,袁著祉;基于自适应蚂蚁算法的动态最优路由选择[J];控制与决策;2003年06期
9 樊晓平,罗熊,易晟,张航;复杂环境下基于蚁群优化算法的机器人路径规划[J];控制与决策;2004年02期
10 郑松;侯迪波;周泽魁;;动态调整选择策略的改进蚁群算法[J];控制与决策;2008年02期
中国博士学位论文全文数据库 前1条
1 孙俊;量子行为粒子群优化算法研究[D];江南大学;2009年
【共引文献】
中国期刊全文数据库 前10条
1 魏义永;简并微扰论的二级近似公式[J];安徽教育学院学报;2003年03期
2 王为科;孙超;;中国化马克思主义视角下的生态文明思想[J];安徽农业大学学报(社会科学版);2011年01期
3 王勇;陈克平;姚勤;;系统发生分析软件PAUP和TreePuzzle使用方法介绍[J];安徽农业科学;2008年02期
4 黄丽娜;李文宾;廉振民;;生物多样性的丧失及其保护[J];安徽农业科学;2009年05期
5 王勇;陈克平;姚勤;;系统发生分析程序MrBayes 3.1使用方法介绍[J];安徽农业科学;2009年33期
6 董玮;陈桂芬;;精准农业中管理区划分方法研究[J];安徽农业科学;2011年17期
7 魏健文;多电子原子Thomas修正探讨[J];安徽师范大学学报(自然科学版);2003年03期
8 陈冠军,黄时中;Wigner-Eckart定理的简单证明[J];安徽师范大学学报(自然科学版);2003年04期
9 赖小琼;;从《小鹿班比》看人与自然的二元对立[J];安徽文学(下半月);2011年12期
10 杨义荣;;系统理论在作物育种领域中的应用[J];现代农业科技;2008年04期
中国重要会议论文全文数据库 前10条
1 朱德喜;叶辉;高军;刘旭;;聚合物电致发光器件中阴极绝缘层的影响及计算模型[A];光子科技创新与产业化——长三角光子科技创新论坛暨2006年安徽博士科技论坛论文集[C];2006年
2 胡扬;桂卫华;;人工代谢技术在医药领域中的应用研究[A];第二十九届中国控制会议论文集[C];2010年
3 丛爽;杨霏;;开放量子系统收敛的状态控制策略[A];中国自动化学会控制理论专业委员会B卷[C];2011年
4 张明国;;面向技术及其发展的伦理问题研究[A];“科技高速发展对伦理道德底线的冲击及其化解”主题学术研讨会论文集[C];2007年
5 张华德;武杰;;熵理论视域下的法律移植[A];第二届中国科技哲学及交叉学科研究生论坛论文集(硕士卷)[C];2008年
6 张纯成;;自然辩证法的学科性质与为国服务[A];第三届全国科技哲学专家专题论坛“在为国服务中发展自然辩证法”学术研讨会论文集[C];2010年
7 何艳娜;;简析德绍尔对机械唯物主义世界观的批判[A];第三届全国科技哲学暨交叉学科研究生论坛文集[C];2010年
8 何江波;;论工程风险的致成原因及其规避机制[A];第三届全国科技哲学暨交叉学科研究生论坛文集[C];2010年
9 张明国;;节能减排与低碳经济——以化工反应过程强化技术研究为中心[A];经济发展方式转变与自主创新——第十二届中国科学技术协会年会(第一卷)[C];2010年
10 张明国;;生态文明的技术哲学视阈[A];第十三届中国科协年会第20分会场-生态文明视域中的城市发展研讨会论文集[C];2011年
中国博士学位论文全文数据库 前10条
1 唐涛;锂基陶瓷基态与缺陷性质的第一原理计算及硅酸锂中氘行为的实验研究[D];中国工程物理研究院;2010年
2 魏洪源;原子分子在δ-Pu上的吸附、离解与扩散过程研究[D];中国工程物理研究院;2010年
3 冯瑞;中国竞技体操制胜规律探骊[D];上海体育学院;2010年
4 戴运桃;粒子群优化算法研究及其在船舶运动参数辨识中的应用[D];哈尔滨工程大学;2010年
5 张进;地震叠前数据的弹性阻抗非线性反演方法研究[D];中国海洋大学;2009年
6 曲建华;基于群体智能的聚类分析[D];山东师范大学;2010年
7 张目;高技术企业信用风险影响因素及评价方法研究[D];电子科技大学;2010年
8 徐兆华;基因芯片数据统合分析方法的若干拓展[D];浙江大学;2010年
9 龚少华;半导体量子限制结构的光学瞬态相干效应研究[D];武汉大学;2009年
10 周晖;自由搜索算法及其在传感器网络中的应用[D];东华大学;2010年
中国硕士学位论文全文数据库 前10条
1 李强;基于聚类分析的物流中心选址问题算法研究[D];山东科技大学;2010年
2 周建辉;基于3S技术的土地开发整理规划研究[D];广西师范学院;2010年
3 邵晓路;蚁群群体智能网络可视化试验平台研制[D];浙江理工大学;2010年
4 姜念;区间自适应粒子群算法研究及其应用[D];郑州大学;2010年
5 张杰;基于支持向量机和蛋白质全序列的蛋白质—蛋白质相互作用预测[D];郑州大学;2010年
6 赵丹丹;基于QoS路由路径优化的网络拥塞控制[D];郑州大学;2010年
7 籍晓晔;基于电力线载波的智能路灯监控系统的通信方法研究和软件程序编写[D];郑州大学;2010年
8 姜婵娟;遥控式水下机器人PID运动控制算法优化研究[D];哈尔滨工程大学;2010年
9 吕俊杰;真核基因剪接位点识别算法研究[D];哈尔滨工程大学;2010年
10 荆奇;蚁群算法在特种机器人智能控制中的应用研究[D];哈尔滨工程大学;2010年
【同被引文献】
中国期刊全文数据库 前10条
1 廖志伟,孙雅明;基于数据挖掘模型的高压输电线系统故障诊断[J];电力系统自动化;2001年15期
2 束洪春,孙向飞,于继来;粗糙集理论在电力系统中的应用[J];电力系统自动化;2004年03期
3 薛禹胜;;时空协调的大停电防御框架 (一)从孤立防线到综合防御[J];电力系统自动化;2006年01期
4 梅念;石东源;李银红;段献忠;;基于改进粒子群算法的继电保护定值优化[J];电力系统自动化;2006年16期
5 汪旸;尹项根;赵逸君;张哲;;基于遗传算法的区域电网智能保护[J];电力系统自动化;2008年17期
6 李振兴;尹项根;张哲;何志勤;冯灿成;;基于多信息融合的广域继电保护新算法[J];电力系统自动化;2011年09期
7 柯晶,钱积新,乔谊正;一种改进粒子群优化算法[J];电路与系统学报;2003年05期
8 言昭;应用图论优化复杂环网继电保护整定配合的简便算法[J];电力系统及其自动化学报;1989年01期
9 方培培,李永丽,杨晓军;Petri网与专家系统结合的输电网络故障诊断方法[J];电力系统及其自动化学报;2005年02期
10 文福拴,韩祯祥,田磊,史觉玮,张怀宇;基于遗传算法的电力系统故障诊断的解析模型与方法──第二部分 : 软件实现[J];电力系统及其自动化学报;1998年03期
中国博士学位论文全文数据库 前10条
1 龙海侠;进化算法及其在生物信息中的应用[D];江南大学;2010年
2 周頔;医学图像处理中的若干问题研究[D];江南大学;2011年
3 田海燕;电阻抗断层成像技术理论和实践的研究[D];重庆大学;2002年
4 徐管鑫;电阻抗成像技术理论及应用研究[D];重庆大学;2004年
5 罗辞勇;基于快速牛顿一步误差重构的电阻抗成像算法和实验研究[D];重庆大学;2005年
6 付峰;生物组织复电阻抗频谱测量及电阻抗断层成像系统的研究[D];第四军医大学;1999年
7 方伟;群体智能算法及其在数字滤波器优化设计中的研究[D];江南大学;2008年
8 王廷;离体乳腺组织电阻抗频谱特性分析及乳腺电阻抗扫描成像的临床应用研究[D];第四军医大学;2008年
9 孙俊;量子行为粒子群优化算法研究[D];江南大学;2009年
10 奚茂龙;群体智能算法及其在移动机器人路径规划与跟踪控制中的研究[D];江南大学;2008年
中国硕士学位论文全文数据库 前6条
1 董明;具有高容错能力的电力系统故障诊断的解析模型与方法[D];浙江大学;2012年
2 王戬;电阻抗成像算法的研究[D];山东大学;2006年
3 韩立娜;基于动态策略的粒子群优化算法研究[D];武汉理工大学;2008年
4 董思兵;基于免疫二进制粒子群算法的配电网重构[D];山东大学;2008年
5 张晓菊;基于牛顿—拉弗逊正则化算法的开放式电阻抗成像研究[D];重庆大学;2009年
6 李晓;基于粒子群算法和量子粒子群算法的电力系统故障诊断[D];湖南大学;2010年
【二级参考文献】
中国期刊全文数据库 前10条
1 褚蕾蕾,陈绥阳;适用于电力系统短期经济调度的遗传算法[J];电力学报;1999年02期
2 侯志荣,吕振肃;IIR数字滤波器设计的粒子群优化算法[J];电路与系统学报;2003年04期
3 李爱国;多粒子群协同优化算法[J];复旦学报(自然科学版);2004年05期
4 段海滨,王道波,于秀芬,朱家强;基于云模型理论的蚁群算法改进研究[J];哈尔滨工业大学学报;2005年01期
5 李士勇;李盼池;;基于实数编码和目标函数梯度的量子遗传算法[J];哈尔滨工业大学学报;2006年08期
6 马良,项培军;蚂蚁算法在组合优化中的应用[J];管理科学学报;2001年02期
7 吴庆洪,张纪会,徐心和;具有变异特征的蚁群算法[J];计算机研究与发展;1999年10期
8 窦全胜,周春光,马铭;粒子群优化的两种改进策略[J];计算机研究与发展;2005年05期
9 曾建潮;崔志华;;微粒群算法的统一模型及分析[J];计算机研究与发展;2006年01期
10 崔志华;曾建潮;;基于微分模型的改进微粒群算法[J];计算机研究与发展;2006年04期
【相似文献】
中国期刊全文数据库 前10条
1 李春涛;陈锋;白英龙;;一种反映数据生物特性的ART2神经网络[J];大众科技;2006年05期
2 王士同;修宇;;基于模型的基因表达聚类分析技术研究进展[J];江南大学学报(自然科学版);2006年03期
3 张黎;逄涣利;王小虎;王佳;;一种共调控基因C均值模糊聚类算法[J];计算机工程与应用;2010年07期
4 高倩倩;须文波;孙俊;;量子行为粒子群算法在基因聚类中的应用[J];计算机工程与应用;2010年21期
5 刘云如;蔡立军;易叶青;;基于G-ICA的组织样本分类算法[J];计算机工程与应用;2010年31期
6 李巧;孔薇;;改进的非负矩阵分解在基因表达数据中的应用[J];信息技术;2010年12期
7 徐旭东;郑欣;;基于Struts的基因表达数据分析软件的设计与实现[J];微电子学与计算机;2006年S1期
8 王艳;骆嘉伟;杨涛;吴君浩;;基于分段与运算的基因表达数据频繁项集挖掘[J];计算机工程与科学;2006年11期
9 曹晖;席斌;米红;;一种新聚类算法在基因表达数据分析中的应用[J];计算机工程与应用;2007年18期
10 寇晨艳;郭红;;基因表达数据的频繁模式挖掘算法[J];福州大学学报(自然科学版);2009年02期
中国重要会议论文全文数据库 前10条
1 杨昆;李建中;王朝坤;徐继伟;;基因表达数据的基于类别树和SVMs的多类癌症分类算法[A];第二十一届中国数据库学术会议论文集(研究报告篇)[C];2004年
2 徐旭东;郑欣;;基于Struts的基因表达数据分析软件的设计与实现[A];2006年全国开放式分布与并行计算机学术会议论文集(三)[C];2006年
3 赵建玉;贾磊;陈月辉;张勇;;基于粒子群优化的信号交叉口交通流预测模型[A];第二十六届中国控制会议论文集[C];2007年
4 王晓燕;王东风;韩璞;;一种分数阶系统的粒子群优化辨识方法[A];全国第三届信号和智能信息处理与应用学术交流会专刊[C];2009年
5 陈军;潘艳;唐世星;张吉强;易东;;小脑基因表达数据的模糊多尺度聚类分析[A];重庆市预防医学会2010年论文集[C];2011年
6 李鹏;阮晓钢;;一种预测多骨髓瘤的神经网络方法[A];第二十二届中国控制会议论文集(下)[C];2003年
7 白瑞林;王利峰;;一种基于共享法的改进型粒子群优化算法[A];2005中国控制与决策学术年会论文集(上)[C];2005年
8 范业坤;梁新荣;;基于粒子群优化的高速公路匝道PI控制器[A];第二十七届中国控制会议论文集[C];2008年
9 薛艳红;胡立坤;;基于粒子群优化的配电网静止同步补偿器PI控制器整定[A];中南六省(区)自动化学会第二十九届学术年会论文集[C];2011年
10 杨波;卢学春;于力;朱宏丽;范辉;姚善谦;楼方定;;靶向上调ID4基因表达药物的生物信息学预测、分析和初步验证[A];第12届全国实验血液学会议论文摘要[C];2009年
中国重要报纸全文数据库 前10条
1 赵雷;摩托罗拉要手机听话[N];中华工商时报;2003年
2 本报记者 高颖;“软”加速给你的网站插上翅膀[N];计算机世界;2001年
3 辽宁 张强;吸去网络上的“尘埃”[N];电脑报;2002年
4 记者 郑晓春;以开发出水管渗漏监测软件[N];科技日报;2010年
5 李映;射频智能卡拓展新应用[N];中国电子报;2004年
6 晓琪;企业再发展的平台[N];金融时报;2003年
7 胖头酷鱼;开启高保真图形时代[N];中国电脑教育报;2002年
8 刘军 兰小红 唐小力;不平凡的创新之路[N];中国航空报;2003年
9 记者 冯卫东;可甄别走私分子的内疚探测器问世[N];科技日报;2008年
10 上海百林通信软件有限公司市场销售部副经理 王永玲;发挥软件优势解决互操作难题[N];中国电子报;2008年
中国博士学位论文全文数据库 前10条
1 陈伟;群体智能算法及其在基因表达数据聚类中的应用[D];江南大学;2011年
2 程慧杰;基于模式识别方法的基因表达数据分析研究[D];哈尔滨工程大学;2012年
3 张焕萍;面向基因表达数据的致病基因挖掘方法研究[D];南京航空航天大学;2009年
4 陆慧娟;基于基因表达数据的肿瘤分类算法研究[D];中国矿业大学;2012年
5 蔡瑞初;基因表达数据挖掘若干关键技术研究[D];华南理工大学;2010年
6 窦全胜;求解优化问题的演化计算方法研究[D];吉林大学;2005年
7 刘丽;人工免疫网络研究及应用[D];江南大学;2008年
8 李磊;六自由度并联平台位置正解及控制方法研究[D];哈尔滨工程大学;2008年
9 刘克钦;基于生物信号通路的复杂疾病标志物识别与研究[D];上海大学;2013年
10 马瑞新;基于粒子群的网络社区动态角色挖掘研究[D];大连理工大学;2012年
中国硕士学位论文全文数据库 前10条
1 邓庆山;聚类分析及其在基因表达数据中的应用研究[D];华中科技大学;2004年
2 刘月明;基因表达聚类分析方法研究[D];第三军医大学;2001年
3 陈佳妮;基因表达数据分析中IGA-FCM聚类算法研究与实现[D];东北林业大学;2010年
4 周鹏;神经网络集成算法研究及在基因表达数据分析中的应用[D];华中科技大学;2004年
5 张礼;寻找差异基因的概率方法研究[D];南京航空航天大学;2010年
6 张彦琦;基因调控网络建立的数学模型研究[D];第三军医大学;2003年
7 张志国;基于生成树基因表达数据聚类方法分析[D];东北大学;2006年
8 沈小乔;基因表达数据分类算法及其应用研究[D];湖南大学;2005年
9 靳艳虹;基于PSO的基因表达数据聚类研究[D];中南大学;2013年
10 王丽美;微阵列基因表达数据双聚类的多目标优化算法研究[D];福建农林大学;2013年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026