基于改进多目标遗传算法的双聚类算法在基因表达数据中的研究
发布时间：2023-04-27 03:01
基因表达数据反映了成千上万个基因在不同实验条件下的表达水平,当我们对这些基因表达数据进行分析时,挖掘隐藏在海量基因表达数据中的相似表达模式能够为我们提供有价值的生物信息。考虑到基因表达数据具有数据量大且高噪声的特点,如何从基因表达数据中有效的挖掘有价值的生物信息成为了一个值得研究的问题。通过生物信息学的研究发现,很多隐藏在基因表达数据中的遗传模式仅仅在特定的实验条件下对一组基因是可见的,这与基因调控的现象也是相符的,协同基因一般仅仅在某些特定条件下才会呈现出共同调控表达的特点。因此,我们将双聚类算法应用到了基因表达数据的挖掘中,双聚类算法能够同时对基因表达矩阵的行和列进行聚类,从而找到局部的相似表达模式。在双聚类的搜索过程中,我们希望能够找到体积较大且质量较高的双聚类,而这两个优化目标是一对互相冲突的优化目标,针对这一问题,本文将多目标遗传算法应用到了基因表达数据的双聚类挖掘中。本文提出了一种改进的多目标遗传算法,分别从种群初始化策略和选择算子设计两个方面对传统多目标遗传算法进行了改进,通过在若干个经典测试函数上与传统多目标遗传算法进行了多样性和收敛性对比,验证了改进多目标遗传算法的有...
【文章页数】：80 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本文的工作概要和内容安排
1.3.1 主要工作
1.3.2 论文的章节安排
第二章 基因表达数据及其聚类分析
2.1 基因表达数据
2.2 基因表达数据的聚类分析
2.2.1 聚类分析中常用的相似度度量方法
2.2.2 基因表达数据分析中常用的聚类方法
2.3 基因表达数据的双聚类分析
2.3.1 双聚类的定义
2.3.2 双聚类的模式
2.4 Cheng和Church双聚类算法
2.5 本章小结
第三章 基于多目标遗传算法的双聚类算法
3.1 遗传算法简介
3.1.1 遗传算法的原理介绍
3.1.2 遗传算法的标准流程
3.2 多目标遗传算法简介
3.2.1 多目标优化问题描述
3.2.2 多目标遗传算法的分类
3.2.3 多目标遗传算法中的技术手段
3.3 多目标遗传算法NSGA-II
3.3.1 NSGA-II算法概述
3.3.2 NSGA-II算法关键技术
3.3.3 NSGA-II算法步骤
3.4 基于多目标遗传算法的双聚类算法
3.4.1 多目标遗传双聚类算法的目标函数
3.4.2 多目标遗传双聚类算法的算法流程
3.4.3 典型的多目标遗传双聚类算法
3.5 本章小结
第四章 基于密度聚类的改进多目标遗传算法
4.1 引言
4.2 改进多目标遗传算法的算法框架
4.3 基于混沌的初始化方法
4.3.1 混沌技术简介
4.3.2 基于混沌的初始化方法
4.4 基于密度聚类的的选择算子
4.4.1 多目标遗传算法中常用的选择算子
4.4.2 DBSCAN密度聚类算法
4.4.3 基于DBSCAN聚类算法的选择算子
4.5 实验结果及分析
4.5.1 实验设计
4.5.2 测试函数
4.5.3 测试结果评价指标
4.5.4 实验平台及参数描述
4.5.5 实验结果分析
4.6 本章小结
第五章 基于改进多目标遗传算法的双聚类算法
5.1 引言
5.2 基于改进多目标遗传算法的双聚类算法框架
5.3 种群适应度的设计
5.3.1 双聚类种群的适应度值
5.3.2 行列种群的适应度值
5.4 基于HC算法的种群初始化
5.5 基于布谷鸟算法的行列种群进化过程
5.5.1 布谷鸟搜索算法介绍
5.5.2 基于布谷鸟算法的行列种群进化过程
5.6 基于改进多目标遗传算法的双聚类种群进化过程
5.7 行列种群和双聚类种群的交配
5.8 实验设计
5.8.1 实验设计概述
5.8.2 实验平台描述
5.8.3 实验评价指标描述
5.8.4 实验数据集描述
5.9 实验结果及分析
5.9.1 实验参数设置
5.9.2 人工数据集的实验结果及分析
5.9.3 真实数据集的实验结果及分析
5.10 本章小结
总结与展望
本文工作总结
工作展望
参考文献
攻读硕士学位期间取得的研究成果
致谢
附件
本文编号：3802733
【文章页数】：80 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本文的工作概要和内容安排
1.3.1 主要工作
1.3.2 论文的章节安排
第二章 基因表达数据及其聚类分析
2.1 基因表达数据
2.2 基因表达数据的聚类分析
2.2.1 聚类分析中常用的相似度度量方法
2.2.2 基因表达数据分析中常用的聚类方法
2.3 基因表达数据的双聚类分析
2.3.1 双聚类的定义
2.3.2 双聚类的模式
2.4 Cheng和Church双聚类算法
2.5 本章小结
第三章 基于多目标遗传算法的双聚类算法
3.1 遗传算法简介
3.1.1 遗传算法的原理介绍
3.1.2 遗传算法的标准流程
3.2 多目标遗传算法简介
3.2.1 多目标优化问题描述
3.2.2 多目标遗传算法的分类
3.2.3 多目标遗传算法中的技术手段
3.3 多目标遗传算法NSGA-II
3.3.1 NSGA-II算法概述
3.3.2 NSGA-II算法关键技术
3.3.3 NSGA-II算法步骤
3.4 基于多目标遗传算法的双聚类算法
3.4.1 多目标遗传双聚类算法的目标函数
3.4.2 多目标遗传双聚类算法的算法流程
3.4.3 典型的多目标遗传双聚类算法
3.5 本章小结
第四章 基于密度聚类的改进多目标遗传算法
4.1 引言
4.2 改进多目标遗传算法的算法框架
4.3 基于混沌的初始化方法
4.3.1 混沌技术简介
4.3.2 基于混沌的初始化方法
4.4 基于密度聚类的的选择算子
4.4.1 多目标遗传算法中常用的选择算子
4.4.2 DBSCAN密度聚类算法
4.4.3 基于DBSCAN聚类算法的选择算子
4.5 实验结果及分析
4.5.1 实验设计
4.5.2 测试函数
4.5.3 测试结果评价指标
4.5.4 实验平台及参数描述
4.5.5 实验结果分析
4.6 本章小结
第五章 基于改进多目标遗传算法的双聚类算法
5.1 引言
5.2 基于改进多目标遗传算法的双聚类算法框架
5.3 种群适应度的设计
5.3.1 双聚类种群的适应度值
5.3.2 行列种群的适应度值
5.4 基于HC算法的种群初始化
5.5 基于布谷鸟算法的行列种群进化过程
5.5.1 布谷鸟搜索算法介绍
5.5.2 基于布谷鸟算法的行列种群进化过程
5.6 基于改进多目标遗传算法的双聚类种群进化过程
5.7 行列种群和双聚类种群的交配
5.8 实验设计
5.8.1 实验设计概述
5.8.2 实验平台描述
5.8.3 实验评价指标描述
5.8.4 实验数据集描述
5.9 实验结果及分析
5.9.1 实验参数设置
5.9.2 人工数据集的实验结果及分析
5.9.3 真实数据集的实验结果及分析
5.10 本章小结
总结与展望
本文工作总结
工作展望
参考文献
攻读硕士学位期间取得的研究成果
致谢
附件
本文编号：3802733
本文链接：https://www.wllwen.com/kejilunwen/jiyingongcheng/3802733.html
最近更新
教材专著
