论文研究-多样性引导的QPSO基因表达数据聚类算法.pdf

针对基于粒子群优化的聚类算法容易陷入局部最优值的缺点，提出将量子行为粒子群优化应用于基因表达数据的聚类分析问题中。在新的聚类算法中采用了对粒子群的多样性控制，以提高算法的全局收敛性能；此外还在新算法中引入了类似于K均值聚类的操作步骤，用以提高算法整体的收敛速度。选择Rand指数和Silhouette指数作为聚类评价标准，对5个人工和实际的基因表达数据集合进行聚类实验分析表明，新算法和基于粒子群优化的聚类算法相比，具有较快的收敛速度，粒子多样性的控制能有效改善算法的全局收敛性能。和其他一些常用的聚类算法比较，也能够获得更好的聚类评价，聚类效果更好。