基因表達(dá)數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘算法研究.pdf

1、隨著人類基因組研究的重點(diǎn)向功能基因組轉(zhuǎn)化，基因表達(dá)數(shù)據(jù)分析成為目前生物信息學(xué)研究的熱點(diǎn)和重點(diǎn)之一。關(guān)聯(lián)分析是基因表達(dá)數(shù)據(jù)分析的一種重要手段，通過(guò)關(guān)聯(lián)規(guī)則挖掘可揭示不同基因或環(huán)境與基因表達(dá)之間在生物學(xué)相關(guān)的聯(lián)系，進(jìn)而幫助鑒定人類疾病基因。本文著重研究基因表達(dá)數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘算法。 Apriori算法是關(guān)聯(lián)規(guī)則挖掘的經(jīng)典算法，然其效率有待改善?；贏priori算法原理，提出了完全連接的概念并給出一種有效的完全連接條件，在頻繁2k

2、-項(xiàng)集的集合進(jìn)行自身Apriori連接得頻繁(2k+1)-項(xiàng)集的同時(shí)，自身完全連接產(chǎn)生未剪枝的候選4k-項(xiàng)集；對(duì)頻繁(2k+1)-項(xiàng)集的集合，直接對(duì)其項(xiàng)集進(jìn)行自身完全連接產(chǎn)生未剪枝的候選(4k+2)-項(xiàng)集。改進(jìn)的算法減少了連接的比較次數(shù)、迭代運(yùn)算次數(shù)。實(shí)驗(yàn)表明該算法在保證無(wú)遺漏的情況下有效地提高了挖掘速度。 采用Apriori等傳統(tǒng)算法對(duì)基因表達(dá)數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則挖掘時(shí)，在將基因表達(dá)矩陣轉(zhuǎn)換為布爾矩陣之后，還需將布爾矩陣轉(zhuǎn)化為交易

3、數(shù)據(jù)的形式進(jìn)行挖掘，沒(méi)有充分利用布爾矩陣本身的特點(diǎn)。針對(duì)這些缺點(diǎn)，本文提出了一種不生成候選項(xiàng)集的“與運(yùn)算”直接對(duì)布爾矩陣進(jìn)行挖掘，且采用分段求與的方法提高“與運(yùn)算”的算法效率。實(shí)驗(yàn)證明該算法能更快速有效的挖掘出關(guān)聯(lián)規(guī)則。 針對(duì)目前基因表達(dá)數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘所采用的都是將其轉(zhuǎn)換成布爾關(guān)聯(lián)規(guī)則進(jìn)行挖掘，忽略了基因表達(dá)數(shù)據(jù)是數(shù)值型這一問(wèn)題，本文提出了使用充分利用基因表達(dá)值的模糊方法挖掘基因表達(dá)數(shù)據(jù)的關(guān)聯(lián)規(guī)則，并且通過(guò)使用模糊C均值聚類