典型文献
基于深度学习的微生物高阶逻辑关系分析方法
文献摘要：
微生物群体是所有生物体和生态系统保持健康稳定的核心组分,分析生态系统中微生物的互作用,挖掘微生物群落共现模块,可以加深对微生物群落的认知,提高利用和改造微生物群落的能力,为生态修复、疾病治疗和药物研发提供新的手段.传统的微生物交互关系研究是以"成对关系"为基础的,然而,越来越多的研究发现髙阶交互关系对于解释群落的多样性、复杂性具有重要作用.本文提出了一种基于深度学习的超图聚类模型(DeepHC),用来挖掘微生物之间的高阶逻辑关系.DeepHC利用信息熵挖掘微生物间普遍存在的高阶逻辑关系,通过深度神经网络获取样本的低维非线性表示,通过基于最大模块度的K均值聚类来自适应地执行聚类分析.实验结果表明,相对于其他模型,DeepHC具有更好的聚类效果,可以作为高阶逻辑关系挖掘的有效工具.
文献关键词：
高阶逻辑关系;超图聚类;深度神经网络;最大模块度
中图分类号：
作者姓名：
刘芃兰;孙硕男
作者机构：
辽宁工程技术大学电子与信息工程学院,葫芦岛 125105
文献出处：
引用格式：
[1]刘芃兰;孙硕男-.基于深度学习的微生物高阶逻辑关系分析方法)[J].现代计算机,2022(13):1-9
A类：
高阶逻辑关系,超图聚类,DeepHC,最大模块度
B类：
关系分析,生物体,微生物群落,高利,生态修复,疾病治疗,药物研发,交互关系,聚类模型,信息熵,深度神经网络,低维,线性表示,均值聚类,关系挖掘
AB值：
0.123259
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。
