双精英遗传策略的基因聚类算法

发布时间：2021-10-01 23:45

　　随着生物技术的不断发展,越来越多的基因表达数据被获取.为了对这些数据进行聚类分析,本文在深入分析传统的聚类算法之后,提出了双精英遗传聚类算法.该算法通过精英策略来保证种群的全局收敛性.针对遗传算法交叉过程中的无效交叉与多样性的丢失,算法还提出了基于差异度的交叉个体选择策略和双种群协同进化.通过实验测试得出,该算法聚类的准确性更高,更接近真实划分. 

【文章来源】：小型微型计算机系统. 2020,41(07)北大核心CSCD

【文章页数】：6 页

【部分图文】：

种群多样性在GDS5401的变化

图1 种群多样性在GDS5401的变化SGCA和DEGCA求得种群多样性变化图如图1和图2所示．从图1和图2可知SGCA运行到一定代数后，种群多样性将会下降到一个较低水平，从而使算法陷入早熟收敛，而DEGCA由于种群B引入了部分随机个体，种群多样性一直维持在一定的水平，从而减少了早熟现象．

【参考文献】：
期刊论文
[1]融入密度和距离的K-means初始簇中心优选方法研究[J]. 冯勇,张学理,王嵘冰,徐红艳.  小型微型计算机系统. 2018(08)
[2]精英遗传K-medoids聚类算法[J]. 宋飞豹,贾瑞玉.  计算机工程与应用. 2018(22)
[3]基于进化个体混杂型适应值的交互式遗传算法[J]. 郭广颂,李响,郝国生.  计算机工程. 2018(11)
[4]基于蚁群算法的非均匀分簇水声传感网能量优化路由研究[J]. 王磊,乔莉,齐俊艳,刘志中.  计算机工程. 2018(12)
[5]一种利用曲率约束的改进K-means三维点云数据分割方法[J]. 杨永涛,黄国言,张坤,吴培良.  小型微型计算机系统. 2017(11)
[6]一种加权K-均值基因聚类算法[J]. 姚登举,詹晓娟,张晓晶.  哈尔滨理工大学学报. 2017(02)
[7]并行采样Mapreduce移动社交网络k均值分布层次聚类[J]. 黄健恒,于军琪,赵敏华.  小型微型计算机系统. 2016(08)
[8]局部子空间聚类[J]. 刘展杰,陈晓云.  自动化学报. 2016(08)
[9]基于强类别特征近邻传播的半监督文本聚类[J]. 文翰,肖南峰.  模式识别与人工智能. 2014(07)
[10]双精英协同进化遗传算法[J]. 刘全,王晓燕,傅启明,张永刚,章晓芳.  软件学报. 2012(04)

博士论文
[1]基因表达数据的相似性度量和特征提取研究[D]. 王文俊.西安电子科技大学 2011



本文编号：3417575