[发明专利]一种基于超图聚类模型的微生物高阶网络建立方法及装置

权利要求书

1.一种基于超图聚类模型的微生物高阶网络建立方法，其特征在于，包括：

获取多种微生物的原始丰度数据，并得到对应的微生物高阶逻辑关系；

利用加权超图对所述微生物高阶逻辑关系进行处理，得到微生物连接网络；

建立超图聚类模型，对所述微生物连接网络进行挖掘，得到对应的微生物高阶网络；

对所述微生物高阶网络进行评价。

2.根据权利要求1所述的一种基于超图聚类模型的微生物高阶网络建立方法，其特征在于，得到对应的微生物高阶逻辑关系的具体过程包括：

对多种所述微生物的原始丰度数据进行离散化处理，得到丰度逻辑矩阵；

获取任意几种微生物间的不确定系数和逻辑组合谱；

基于不同逻辑类型下任意几种微生物间的发生情况，构建对应的微生物高阶逻辑关系。

3.根据权利要求2所述的一种基于超图聚类模型的微生物高阶网络建立方法，其特征在于，建立加权超图模型的具体过程包括：

基于多种微生物之间的高阶逻辑关系，建立加权超图模型，所述加权超图表示为G＝(V,E,w)，其中V＝{v₁,v₂,...,v_n}表示n个顶点集合，E＝{e₁,e₂,...,e_m}为m条超边集合；

同时，所述加权超图还能表示为n*m的矩阵，当顶点在超边中时，所述矩阵称为超图关联矩阵；

对所述超图关联矩阵进行约简处理，得到顶点间的连接矩阵；

根据所述连接矩阵得到对应的超图拉普拉斯矩阵，进而得到微生物连接网络。

4.根据权利要求3所述的一种基于超图聚类模型的微生物高阶网络建立方法，其特征在于，建立超图聚类模型的具体过程包括：

基于所述连接矩阵，获取对应的偏移正点态互信息矩阵；

利用堆叠自编码器从所述偏移正点态互信息矩阵中产生低维向量表示；

利用最大模块度进行类别数选择，利用K均值得到聚类结果。

5.根据权利要求4所述的一种基于超图聚类模型的微生物高阶网络建立方法，其特征在于，选取RMSSTD指标、RS指标、CH指标评估指标对所述聚类结果进行评估。

6.一种基于超图聚类模型的微生物高阶网络建立装置，其特征在于，包括：

数据获取模块(1)，所述数据获取模块(1)用于获取多种微生物的原始丰度数据；

逻辑关系建立模块(2)，所述逻辑关系建立模块(2)用于根据所述微生物的原始丰度数据建立微生物高阶逻辑关系；

加权超图建立模块(3)，所述加权超图建立模块(3)用于对所述微生物高阶逻辑关系进行处理，得到微生物连接网络；

超图聚类模型模块(4)，所述超图聚类模型模块(4)用于建立超图聚类模型，对所述微生物连接网络进行挖掘，得到对应的微生物高阶网络；

评估模块(5)，所述评估模块(5)用于评估所述微生物高阶网络。

7.根据权利要求6所述的一种基于超图聚类模型的微生物高阶网络建立装置，其特征在于，所述加权超图建立模块(3)包括：

模型建立单元(31)，所述模型建立单元(31)用于建立加权超图模型；

模型关联单元(32)，所述模型关联单元(32)用于根据所述加权超图模型得到超图关联矩阵；

模型约简单元(33)，所述模型约简单元(33)用于处理所述超图关联矩阵，得到顶点间的连接矩阵；

模型处理单元(34)，所述模型处理单元(34)用于根据所述连接矩阵得到对应的超图拉普拉斯矩阵。