典型文献
面向异质基因数据的智能层次聚类算法研究
文献摘要：
随着对基因致病理论研究的深入,产生了大量的异质基因表达量数据,且这些基因数据普遍存在高维度、非对称和高噪声等特性,因此通用的聚类算法面向异质基因数据的聚类精度不高.本文提出了一种面向异质基因数据的智能层次聚类算法(HCIGA).构建了融合精英保留法与轮盘赌的选择算子,并通过优化适应度函数和小生境策略保持种群多样性,加快收敛速度,提升聚类精度.HCIGA的有效性在脑肿瘤、肺癌、肾脏癌和乳腺癌数据集上进行测试,结果表明,与层次聚类算法(AG-NES)、遗传K-Means算法(GKA)、DPeak和谱聚类算法相比,HCIGA算法的聚类精确度在五种算法中均为最佳,本文并将HCIGA算法应用于头颈部鳞状细胞癌(HNSC)数据集,成功识别出6种癌症亚型.
文献关键词：
聚类分析;遗传算法;基因表达量;数据挖掘;小生境技术
中图分类号：
作者姓名：
季姜帅;裴颂文
作者机构：
上海理工大学光电信息与计算机工程学院,上海200093;复旦大学上海市数据科学重点实验室,上海200433
文献出处：
引用格式：
[1]季姜帅;裴颂文-.面向异质基因数据的智能层次聚类算法研究)[J].小型微型计算机系统,2022(09):1808-1813
A类：
HCIGA,GKA
B类：
基因数据,层次聚类算法,算法研究,基因表达量,高维度,聚类精度,精英保留,留法,轮盘赌,选择算子,适应度函数,种群多样性,快收敛,收敛速度,脑肿瘤,乳腺癌数据集,AG,NES,Means,DPeak,谱聚类算法,聚类精确度,算法应用,头颈部鳞状细胞癌,HNSC,小生境技术
AB值：
0.319012
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
