论文研究 采用多样性选择的量子粒子群双向聚类算法.pdf

双向聚类已成为分析基因表达数据的一种重要工具，可以同时从基因和条件两个方向寻找具有相同表达波动的簇。但双向聚类是一种多目标优化的局部搜索算法，处理繁杂的基因数据时容易陷入局部最优。为提高算法的全局搜索能力，提出了一种多样性选择的量子粒子群双向聚类算法（Diversify-Optional QPSO，DOQPSO）。算法首先采用DOQPSO处理基因数据，然后用改进的FLOC算法进行贪心迭代寻找双向聚类，以求得更为理想的结果。算法通过实验仿真，并与FLOC算法和QPSO算法进行比较，结果证明DOQPSO双向聚类算法具有更好的全局寻优能力，且聚类效果更佳。