基于小生境遗传算法的定量关联规则算法研究

发布时间：2023-11-12 15:07

　　随着基因检测手段的不断升级,基因检测成本的不断降低,越来越多的疾病可以利用基因技术得到治疗,在基因治疗技术中,最重要的是寻找需要治疗的致病基因位点。本文研究的主要目的就是挖掘多基因病的致病位点,通过对基因数据的挖掘,找到其中隐藏的致病基因信息。具体的研究内容和研究成果如下:1.研究了基于小生境遗传算法的关联规则挖掘算法NICGAR,发现该算法存在三处需要改进的问题。第一个问题是EP更新过程中时间复杂度较高;为此,我们引入了堆排序和保留“距离”的方式进行改进。第二个问题是数据初始化过程中无法反应数据集真实分布情况;针对这个问题,我们提出了“数据密度”的概念,从“数据密度”的角度去近似模拟其数据的分布情况设置振幅。第三个问题是变异算子以固定振幅作为变异幅度;针对这个问题,我们认为如果数据密度较大,对其区间进行改变的量相应减小,如果数据密度较小,对其区间进行改变的量相应增大。2.为了说明上述三种问题改进方案的可行性和优势性,本文进行了四组对比试验,分别为改进算法和原NICGAR算法的对比、改进算法和两类NGAs算法的对比、改进算法和四种单目标进化算法的对比以及改进算法和两种多目标遗传算法的对...

【文章页数】：80 页

【学位级别】：硕士

【文章目录】：
摘要??
Abstract
1. 绪论
    1.1 研究背景与意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 基因领域国外研究现状
        1.2.2 基因领域国内研究现状
        1.2.3 国内外对遗传算法研究
        1.2.5 国内外对小生境遗传算法在关联规则中的研究
    1.3 本文研究结构
2. 预备知识
    2.1 遗传算法
        2.1.1 遗传算法的基本概念
        2.1.2 遗传算法的核心内容
        2.1.3 遗传算法的理论基础
        2.1.4 遗传算法的应用领域
    2.2 关联规则
        2.2.1 关联规则的基本概念
        2.2.2 关联规则的兴趣性度量
        2.2.3 量化关联规则
    2.3 本章小结
3. 基于小生境遗传算法的关联规则挖掘算法及其改进
    3.1 小生境遗传算法介绍
        3.1.1 小生境的基本思想
        3.1.2 小生境遗传算法
    3.2 NICGAR算法及其改进方案
        3.2.1 NICGAR基础理论
        3.2.2 外部种群EP及EP更新过程改进
        3.2.3 惩罚机制
        3.2.4 重启过程
        3.2.5 小生境的识别与相似性度量
        3.2.6 染色体的编码及其数据划分改进
        3.2.7 初始基因库构造
        3.2.8 遗传算子介绍及变异算子的改进
        3.2.9 适应度函数的介绍
    3.3 本章小结
4. 实验测试及其结果
    4.1 实验设置及结果统计检验
    4.2 与NICGAR算法比较
    4.3 与两个NGAs算法比较
    4.4 与单目标遗传算法比较
    4.5 与多目标遗传算法比较
    4.6 本章小结
5 在基因数据中探索
    5.1 基因数据的组成
    5.2 结果说明
    5.3 本章小结
6 结论
    6.1 主要研究结果
    6.2 有待进一步完善的地方
致谢
参考文献
附录
    Ⅰ. 本文 4.2 节全部统计结果展示
    Ⅱ. 研究生期间获奖情况和论文发表情况



本文编号：3863399