[发明专利]一种基因表达数据的聚类分析方法及终端设备

权利要求书

1.一种基因表达数据的聚类分析方法，其特征在于，包括步骤：

确定基因表达数据的编码方案，获取基因表达数据和构成基因聚类中心矩阵以及聚类隶属度矩阵；

初始化智能单粒子的位置和速度矢量，并且进行分段，生成相应子矢量，设置迭代计算过程中的相关参数；

根据学习智能策略，不断迭代计算，更新智能单粒子的位置矢量；

由智能单粒子的最终位置子矢量重构出聚类中心矩阵，得到最优的基因聚类中心。

2.根据权利要求1所述基因表达数据的聚类分析方法，其特征在于，所述获取基因表达数据和构成基因聚类中心矩阵以及聚类隶属度矩阵的步骤包括：

令Ⅹ为所获取的M个L维基因表达矩阵，x₁∈R^L，R^L是L维的欧几里得空间，其中，

令Y是Ⅹ的一个聚类中心，构成基因聚类中心矩阵其中，

令x和y的距离值d(x,y)最小，则认为x_i属于第j类，记作ф_ij＝1，其中ф称为聚类隶属度矩阵，标记着基因表达数据的聚类结果，大小为M×N。

3.根据权利要求1所述基因表达数据的聚类分析方法，其特征在于，所述初始化智能单粒子的位置和速度矢量，并且进行分段，生成相应子矢量，设置迭代计算过程中的相关参数的步骤包括：

初始化智能单粒子的位置矢量Z和飞行速度矢量V，维数均是1×D，其中D＝N×L，Z和V的每一维数据均随机产生，取值范围为

对位置矢量Z分段，把D维空间分成S部分，即把整个位置矢量分成S个位置子矢量与其对应的速度子矢量为

初始化迭代计数器k，即令k＝0。

4.根据权利要求3所述基因表达数据的聚类分析方法，其特征在于，根据基因表达数据的不同特征态调整分段数S。

5.根据权利要求1所述基因表达数据的聚类分析方法，其特征在于，所述根据学习智能策略，不断迭代计算，更新智能单粒子的位置矢量的步骤包括：

迭代到第k次时,基因聚类中心矩阵记为Y^(k),由Y^(k)生成位置矢量Z^(k)＝G(Y^(k))，分段后的位置子矢量

依次从到进行循环更新，按照以下的智能学习策略对和对应的迭代更新F次：

其中，a为多样性因子，r为随机矢量，h为下降因子，b为加速度因子，c为收缩因子，函数f(·)用于评估聚类中心的适应值；

通过聚类屮心矩阵重构算子U(·)，由z^(k)重构得到对应的Y^(k)，即Y^(k)＝U(z^(k))，计算

6.根据权利要求5所述基因表达数据的聚类分析方法，其特征在于，所述a的取值范围为[0.15，1.5]。

7.根据权利要求5所述基因表达数据的聚类分析方法，其特征在于，还包括步骤：

计算类内紧致性其中N_j表示第j类基因表示数据的个数；

计算类间分离度其中N_i和N_j分别表示第i和第j类基因表达数据的个数；

计算聚类性能若-D^(k-1))/D^(k-1)≤ε，则表示聚类性能优化完成，其中ε为常数；若(D^(k)-D^(k-1))/D(k-1)＞ε则表示聚类性能优化未完成，继续根据学习智能策略进行迭代计算，直至-D^(k-1))/D^(k-1)≤ε。

8.根据权利要求7所述基因表达数据的聚类分析方法，其特征在于，所述ε取值0.001。