论文研究-基于粒子对和差分进化的基因表达数据聚类.pdf

【文件属性】：
文件名称：论文研究-基于粒子对和差分进化的基因表达数据聚类.pdf
文件大小：1.59MB
文件格式：PDF
更新时间：2022-08-11 17:54:12
基因聚类, K-means算法, 粒子对, 差分进化, 混合算法 针对粒子对算法存在过早陷入局部最优导致聚类精度不高以及聚类结果对初始粒子比较敏感等问题, 提出了一种新的基于粒子对PPO与差分进化DE混合算法。该混合算法结合PPO和DE的优点, 根据一定的迭代次数在精英粒子对迭代过程中引入DE算法, 借助DE算法的全局收敛能力避免PPO算法过早陷入局部最优的缺点, 并借助K-means快速聚类的结果和PSO聚类结果初始化粒子位置, 提高初始粒子的质量从而提高聚类结果精度。将混合算法应用于真实的基因表达数据, 实验结果表明, 混合算法比K-means和PPO算法具有更好的聚类结果和稳定性。