检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于超图聚类的高血压基因芯片数据挖掘

基于超图聚类的高血压基因芯片数据挖掘

作者：梁岩青海师范大学

学位级别：硕士

高血压是一种严重危害人类身体健康的心血管疾病,诱发高血压发病的因素众多,至今尚未完全阐明,在诱发高血压的众多因素中,由基因遗传引起的原发性高血压最主要的原因。近年来,由于基因芯片和DNA微阵列等高通量、短读取、低成本测试技术... 详细信息

高血压是一种严重危害人类身体健康的心血管疾病,诱发高血压发病的因素众多,至今尚未完全阐明,在诱发高血压的众多因素中,由基因遗传引起的原发性高血压最主要的原因。近年来,由于基因芯片和DNA微阵列等高通量、短读取、低成本测试技术取得的巨大进展,因此出现了很多的基因组表达数据分析方法,这种基因组的数据分析方法可以揭示基因组活性,从基因的角度去探究一些疾病的发病机制。集成算法、聚类算法及加权基因共表达网络分析等众多分析方法在该领域的应用为分析大量基因数据提供了新途径。因此,我们需要更多的方法来研究高血压的发病机理,挖掘影响其发生的关键基因。随着基因芯片技术的不断发展和测序成本的降低,产生了大量的生物数据,这不仅给生物数据挖掘的研究带来了机遇,也带来了巨大的挑战。目前,高血压关键因子研究领域存在的主要问题是:原发性高血压复杂多变,诱发高血压的主要机制目前尚不明确;影响高血压发病率的重要因素尚不完全清楚。高血压病因复杂,诱发高血压的机制尚不清楚;影响高血压发生的关键因素尚未完全确定。因此,需要更多的研究方法来探索影响高血压发病率的关键因子。本文在以下几个方面进行了创新:(1)借鉴加权基因共表达网络的概念,与高血压基因相结合,构建了基于超图的加权基因表达超网络,以多个样本之间的共同的高表达基因作为超边,连接高血压基因表达样本。(2)分析传统聚类算法的不足,使用超图聚类的算法挖掘高血压致病基因,并对超图聚类算法进行了改进,对高血压基因样本数据中患病高血压基因进行挖掘,最后与传统聚类算法进行了聚类效果图的比对,同时引入了聚类效果评估指标进行比对。(3)对于超图聚类挖掘到的致病基因,设计了基于Ada Boost的高血压基因分类预测,判定分类患病高血压样本和正常的高血压样本,实现了准确有效的分辨高血压正常样本和患病高血压样本。本文研究的高血压基因数据来自于基因表达数据库(GEO)中,通过构建高血压基因表达超网络,提出超图聚类算法挖掘了与高血压相关的致病基因,对超图聚类算法进行了改进,并通过聚类效果可视化及聚类评估标准做了对比,证明了改进的超图聚类的聚类效果优于传统的聚类算法,设计了高血压疾病判定的强分类模型,对高血压样本进行了分类预测,准确率高达0.778。表明本文的方法可以挖掘出具有生物学意义的高血压致病基因,实现对致病高血压基因精准预测,对高血压分子机制的研究以及高血压临床医疗中的预防与治疗具有重要意义。

关键词：高血压基因芯片数据加权基因表达超网络超图聚类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于超图聚类挖掘微生物高阶模块的研究

基于超图聚类挖掘微生物高阶模块的研究

作者：喻莉敏华中师范大学

学位级别：硕士

微生物群落对人体的健康和环境的好坏有着巨大的影响。微生物群落的功能与群落组成息息相关,微生物高阶交互作用常常控制微生物群落的功能性。微生物网络具有模块性,模块对系统的稳定性和恢复能力十分重要,从模块的角度便于挖掘和分析... 详细信息

微生物群落对人体的健康和环境的好坏有着巨大的影响。微生物群落的功能与群落组成息息相关,微生物高阶交互作用常常控制微生物群落的功能性。微生物网络具有模块性,模块对系统的稳定性和恢复能力十分重要,从模块的角度便于挖掘和分析复杂微生物群落的结构和功能。目前,关于微生物高阶相互作用关系和微生物高阶模块挖掘的研究较少,因此探究微生物高阶模块生物功能是当前微生物网络研究的迫切需求。本文在分析HMP开源的微生物丰度数据的基础上,利用信息熵构建微生物高阶逻辑关系,将满足特定条件的微生物组成一个三元组,作为超图中超边所包含的节点,构建微生物高阶交互关系超图;其次根据类内散布矩阵性质,重构超边相似度矩阵,用于超图聚类挖掘微生物高阶模块;最后引入进化博弈论思想,将超图聚类问题转化为非合作多玩家博弈问题,进而对微生物高阶模块进行挖掘。主要研究工作如下:第一,基于类内散布矩阵的微生物超图聚类挖掘微生物高阶模块。以往研究中的模块化聚类分析大多基于微生物之间低阶成对相互作用。本文利用信息熵计算人体内微生物三元组之间的逻辑关系,并在三元组关系网络基础之上构建超图,利用类内离散度越小类别可分类性越好的思想重构超边相似矩阵,提出了一种基于类内散布矩阵的超图聚类算法（HCIS）挖掘微生物高阶模块,并通过模块度最大化得到微生物高阶模块的最优聚类结果。实验结果和可视化分析验证了 HCIS算法在微生物高阶模块聚类分析中的可行性和有效性。第二,基于进化博弈论的微生物超图聚类挖掘微生物高阶模块。考虑到传统的分区聚类算法中使用模块度最大化来选取最优聚类数的方法存在一定的偏差,本文提出了基于进化博弈论结合类内散布矩阵思想的微生物超图谱聚类算法（HCGI）,引入博弈论思想,将超图聚类问题转化非合作多玩家博弈问题。该算法可以在不事先指定聚类数目的情况下剔除模块中高阶关系强度表现不强的节点,自动生成合理的聚类。实验结果和可视化分析直观的证实了 HCGI方法高效可行,能够得到更优、更为保守的高阶微生物模块。

关键词：微生物高阶模块超图聚类类内散布矩阵博弈论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于超图聚类的大数据实体识别算法研究

基于超图聚类的大数据实体识别算法研究

作者：莎仁东北师范大学

学位级别：硕士

现已进入大数据时代,数据量成爆发式增长,数据量的增长带来严重的数据质量问题,使得数据的可用性极大降低,数据清洗变得更加重要。实体识别是数据清洗的重要步骤,主要目的就是准确的识别出同一实体,将数据对象与现实世界的真实实体一一... 详细信息

现已进入大数据时代,数据量成爆发式增长,数据量的增长带来严重的数据质量问题,使得数据的可用性极大降低,数据清洗变得更加重要。实体识别是数据清洗的重要步骤,主要目的就是准确的识别出同一实体,将数据对象与现实世界的真实实体一一对应,即对数据库中元组对是否指代同一实体进行判别。以此来达成去除冗余,消解不一致的数据清洗效果。通过实体识别可以有效的提高数据同一性。面向大数据的实体识别方法是现在研究的热点之一,但目前面向大数据的实体识别方法在识别效率上依然不尽如人意,目前的实体识别技术多基于领域知识,对领域知识的依赖性很高,领域无关的实体识别算法目前较少,基于图聚类的实体识别算法目前效果比较好,同时Spark计算平台在大数据处理上具有很大的优势,因此本文在基于图聚类的实体识别算法基础上使用Spark计算平台提出基于超图聚类的实体识别算法。本文首先介绍有关实体识别的相关技术以及理论基础,包括实体识别的分块技术和实体识别聚类技术。然后通过使用超图聚类方法,设计并实现在超图模型下的实体识别算法:首先通过建立倒排索引表和频繁项集挖掘的方法对数据进行分块处理,并为超图模型的构建做准备;通过挖掘好的频繁项集构建带权重的超图模型,将数据转换为超图;最后通过优化传统超图聚类方法进行超图聚类,完成对同一实体的识别。最后本文对提出的算法进行实验验证,使用标准的评价方法对算法分别从准确度、效率以及加速比三个方面进行分析,最终实验证明本文提出的方法可以提高大数据实体识别效率,并在精确性上有不错的表现。适用于当前大数据量下的实体识别工作。

关键词：实体识别大数据超图聚类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于再聚类和离散优化的k路划分算法

计算机辅助设计与图形学学报 2024年第3期36卷 473-484页

作者：潘萍梅刘欣恬李兴权朱文兴福州大学离散数学与理论计算机科学研究中心福州350116 福州大学数学与统计学院福州350116 鹏城实验室深圳518073 闽南师范大学数学与统计学院漳州363000

为了寻得集成电路更优的k路划分,提出将再聚类和离散优化应用于k路划分算法.首先利用再聚类缩小超图规模,即根据给定划分计算顶点间的评级函数值,依据取值大小进行顶点聚类;然后将超图转换为星型图,并将k路划分问题转换为无约束的离散... 详细信息

为了寻得集成电路更优的k路划分,提出将再聚类和离散优化应用于k路划分算法.首先利用再聚类缩小超图规模,即根据给定划分计算顶点间的评级函数值,依据取值大小进行顶点聚类;然后将超图转换为星型图,并将k路划分问题转换为无约束的离散优化问题;进而设计一个算法迭代移动增益值最大的顶点,在算法求解过程中放宽平衡约束,允许暂时处于不可行域的解,扩大问题的求解空间.在同一平台上使用ISPD98电路测试基准对所提算法、hMETIS-Kway和KaHyPar-K进行测试,并比较最小割值和运行时间.实验结果表明该算法优于hMETIS-Kway,特别是在k=2时,最小割值减少了0.173,速度提升了0.706.此外,该算法对KaHyPar-K也有相应的改进效果.

关键词： k路划分最小割超图聚类离散优化

同方期刊数据库

基于位置的社交网络中双重异质社区的聚类与关联方法

在线全文

学校读者我要写书评

暂无评论

计算机学报 2020年第10期43卷 1909-1923页

作者：龚卫华沈松裴小兵杨旭华浙江工业大学计算机科学与技术学院杭州310023 华中科技大学软件学院武汉430074

近年来,异质信息网络特别是基于位置的社交网络(Location-Based Social Networks,LBSN)中的社区发现已成为新兴的研究热点.然而,目前大多数社区发现研究仅考虑基于同质结构的社交网络,显然都已无法有效融合LBSN这种异质网络所包含的多... 详细信息

近年来,异质信息网络特别是基于位置的社交网络(Location-Based Social Networks,LBSN)中的社区发现已成为新兴的研究热点.然而,目前大多数社区发现研究仅考虑基于同质结构的社交网络,显然都已无法有效融合LBSN这种异质网络所包含的多模实体及其多维关系.为了应对该挑战性问题,本文提出了一种新的双重社区聚类与关联方法(Communities Clustering and Associating Method,CCAM),该方法先在LBSN的社交媒体层上,通过信息熵度量用户发布主题之间的相似性,进而再将相似用户兴趣聚类问题转换成求解基于模糊聚类的目标函数以获得重叠的兴趣主题簇结构.然后在地理位置层中,将用户-位置签到关系网络形成的二分图转换为超图模型,并采用超边聚类方式得到用户关于地理位置的兴趣点特征簇.最后,在兴趣主题簇与地理位置簇之间借助中间用户层的社交关系建立这两层异质簇间的关联性表示模型,并通过随机梯度下降法求解模型的局部最优解.在两个真实数据集Foursquare(NYC)和Yelp上的实验结果表明,本文提出的CCAM方法有效融合了用户-媒体发布关系、用户间社交关系、用户-位置签到关系等多维度关系,能准确获得LBSN中紧密关联的用户兴趣主题簇与地理位置簇,使得这双层社区结构不仅在外部结构特征与兴趣内聚性指标上都优于传统算法,并且还在兴趣主题推荐与位置兴趣点推荐方面的平均准确率提高至少32%.

关键词：基于位置的社交网络异质社区发现多维关系超图聚类

在线全文

学校读者我要写书评

暂无评论

面向多层次结构的移动社交网络隐私保护方法

面向多层次结构的移动社交网络隐私保护方法

作者：刘成业哈尔滨工程大学

学位级别：硕士

随着移动通信设备的迅速发展和社交网络平台的迅速崛起,越来越多的用户喜欢通过移动社交网络分享自己的日常,这些日常包括地理位置和语义以及用户的社交关系,这三个层次构成了多层次结构的移动社交网络。三个层次密切关联,若进行联合挖... 详细信息

随着移动通信设备的迅速发展和社交网络平台的迅速崛起,越来越多的用户喜欢通过移动社交网络分享自己的日常,这些日常包括地理位置和语义以及用户的社交关系,这三个层次构成了多层次结构的移动社交网络。三个层次密切关联,若进行联合挖掘则极易造成用户的隐私泄露,因此安全的移动社交网络数据发布已然成为数据发布领域研究的重点。本文针对移动社交网络的三个层次分别提出了三种隐私保护方法。在社交网络层本文针对已有不确定图发布隐私保护方法中未考虑节点权重导致的数据可用性低问题,提出一种面向节点客观赋权的社交网络隐私保护方法。该方法采用熵权法对节点客观赋权,然后利用拉普拉斯机制对边添加噪声并将噪声转化为边的概率,最后生成并发布社交网络不确定图。在位置社交网络层本文提出了移动社交网络下基于超图聚类的位置隐私保护方法,根据用户的共同位置用超图聚类的方法对用户进行聚类,将用户划分为若干社区,在社区内用不确定图隐私保护算法对用户的位置进行隐私保护。在语义社交网络层本文提出了移动社交网络下基于超图聚类的语义隐私保护方法,该方法根据用户共同的评论对象用超图聚类的方法对用户进行聚类,将用户划分为若干社区,在社区内用不确定图隐私保护方法对语义进行隐私保护。本文提出的三种方法将多层次结构的移动社交网络转化为不确定图以进行隐私保护。通过对比实验,三种方法在各自对应的层次中均保证了数据的隐私性并具有较高的数据可用性,使得最终发布的数据具有较好的隐私保护效果。

关键词：移动社交网络熵权法客观赋权隐私保护不确定图超图聚类

基于超图的药物靶标超网络模型构建及特性分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于超图的药物靶标超网络模型构建及特性分析

作者：白立冰青海师范大学

学位级别：硕士

靶标是指药物与人体发生药理作用的生物大分子,它与药物结合能起到治疗疾病的作用。随着网络药理学的发展,学者们通常采用二部图描述药物与靶标之间的关系,其中一类节点为药物,另一类节点为靶标。考虑到复杂网络中节点的异质性与多元性... 详细信息

靶标是指药物与人体发生药理作用的生物大分子,它与药物结合能起到治疗疾病的作用。随着网络药理学的发展,学者们通常采用二部图描述药物与靶标之间的关系,其中一类节点为药物,另一类节点为靶标。考虑到复杂网络中节点的异质性与多元性导致人们无法有效解析网络的连通性、集聚系数、度分布等拓扑特性,又由于超图中的超边可以包括任意数量的节点,从而可以更精确地描述在真实网络系统中各种复杂的多维关联关系。本文基于超图理论,通过矩阵分析、超图聚类等方法,对基于超图的药物靶标超网络进行模型构建、拓扑分析及模块挖掘。具体研究内容如下:(1)构建药物靶标超网络演化模型。本文基于现实的药物靶标数据,依据每年靶标数量的增长规律,构建了基于超图结构的药物靶标超网络演化模型,通过平均场理论分析靶标增长的演化规律,得到靶标的超度分布符合幂律分布,其幂指数γ=1+L/M(L/M为靶标增长率),幂指数γ与靶标数量增长速度相关,γ越大,表明靶标数量增长速度越快。进一步通过对Drug Bank数据库中药物靶标数据进行实证分析,结果表明实证与理论分析、模拟结果均能较好的吻合。(2)药物靶标超网络特性分析。本文通过收集DrugBank数据库真实的药物靶标数据集,进行实证超网络的构建及特性分析。将药物与靶标的特征标签分别抽象为节点和超边,构建以药物为节点,靶标为超边的药物-靶标超网络,和以靶标为节点,药物为超边的靶标-药物超网络。结合不同拓扑指标定量分析两类超网络的拓扑特性,发现两类药物靶标超网络均具有明显的无标度特征,药物倾向于连接hub靶标蛋白,并且功能类似的药物具有相对较高的集聚系数。(3)基于超图聚类的药物靶标模块挖掘。考虑到基于模块度最大化的聚类算法Louvain在普通图上效率和效果表现较好,本文采用基于超图模块度最大化的超图聚类算法IRMM(iteratively reweighted modularity maximization)进行模块挖掘,与基于二部图的药物靶标网络挖掘结果进行差异性与功能富集性比较,实验结果和可视化分析表明IRMM方法对药物靶标超网络的模块挖掘比Louvain算法对药物靶标二部图更有效果。

关键词：超图药物靶标超网络模型构建特性分析超图聚类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于产品服务流的分级模块划分方法

计算机集成制造系统 2013年第11期19卷 2714-2725页

作者：肖艳秋赵和乔东平李浩王磊郑州轻工业学院机电工程学院河南郑州450002 浙江大学现代制造工程研究所浙江杭州310027

为系统化地分析模块化设计中客户需求映射及模块划分的方法,提出关联超图与质量功能展开相结合的客户需求映射方法和基于超图聚类算法的分级模块划分方法。根据超图模型中各零部件间的关联强度和各零部件与客户需求的联系强度,对服务相... 详细信息

为系统化地分析模块化设计中客户需求映射及模块划分的方法,提出关联超图与质量功能展开相结合的客户需求映射方法和基于超图聚类算法的分级模块划分方法。根据超图模型中各零部件间的关联强度和各零部件与客户需求的联系强度,对服务相关度进行了定义。将超图聚类算法引入到模块划分领域,依据服务相关度进行了分级模块划分,通过计算客户参与复杂度和模块独立性对划分结果进行优化。以某发动机的分级模块划分为例说明了所提方法的可行性和有效性。

关键词：客户需求模型产品服务流服务相关度超图聚类分级模块划分

在线全文

学校读者我要写书评

暂无评论

基于深度学习的微生物高阶逻辑关系分析方法

现代计算机 2022年第13期28卷 1-9页

作者：刘芃兰孙硕男辽宁工程技术大学电子与信息工程学院葫芦岛125105

微生物群体是所有生物体和生态系统保持健康稳定的核心组分,分析生态系统中微生物的互作用,挖掘微生物群落共现模块,可以加深对微生物群落的认知,提高利用和改造微生物群落的能力,为生态修复、疾病治疗和药物研发提供新的手段。传统的... 详细信息

微生物群体是所有生物体和生态系统保持健康稳定的核心组分,分析生态系统中微生物的互作用,挖掘微生物群落共现模块,可以加深对微生物群落的认知,提高利用和改造微生物群落的能力,为生态修复、疾病治疗和药物研发提供新的手段。传统的微生物交互关系研究是以“成对关系”为基础的,然而,越来越多的研究发现高阶交互关系对于解释群落的多样性、复杂性具有重要作用。本文提出了一种基于深度学习的超图聚类模型(DeepHC),用来挖掘微生物之间的高阶逻辑关系。DeepHC利用信息熵挖掘微生物间普遍存在的高阶逻辑关系,通过深度神经网络获取样本的低维非线性表示,通过基于最大模块度的K均值聚类来自适应地执行聚类分析。实验结果表明,相对于其他模型,DeepHC具有更好的聚类效果,可以作为高阶逻辑关系挖掘的有效工具。

关键词：高阶逻辑关系超图聚类深度神经网络最大模块度