基于VAE的编码DNA载体阻断事件聚类分析与研究

发布时间：2021-04-06 19:45

　　纳米孔道检测技术是单分子检测领域一个重要的研究方向。对纳米孔道阻断电流信号进行特征提取和转换,是对阻断事件进行分类以确定分析物种类的关键。由于有监督学习只能对已知种类的阻断事件进行预测,难以实现对信号本质特征的区分,因此本文基于编码DNA载体的阻断事件,利用卷积神经网络的特征提取特性,提出了一种应用于纳米孔道信号的无监督聚类方法。结合深度嵌入聚类和变分自编码器（Variational Autoencoder, VAE）,实现了对阻断事件的特征转换和聚类的整体性训练。实验结果表明,该聚类方法能对编码DNA载体阻断事件提供较好的聚类结果,与其他聚类算法相比,最高提升了29%的聚类精度,具有更高的聚类准确度。 

【文章来源】：华东理工大学学报(自然科学版). 2020,46(03)北大核心CSCD

【文章页数】：8 页

【参考文献】：
期刊论文
[1]结合物品类型和密度峰值聚类的协同过滤推荐算法[J]. 陈帆,孙自强.  华东理工大学学报(自然科学版). 2018(06)
[2]纳米孔道单分子电化学信号在线识别与分析研究[J]. 王慧锋,黄飞,顾震,胡正利,应佚伦,颜秉勇,龙亿涛.  分析化学. 2018(06)
[3]xk-split:基于k-medoids的分裂式聚类算法[J]. 陈逸斐,虞慧群.  华东理工大学学报(自然科学版). 2017(06)
[4]Single-molecule analysis in an electrochemical confined space[J]. Yi-Lun Ying,Yi-Tao Long.  Science China（Chemistry）. 2017(09)



本文编号：3122022