[发明专利]基于分布式图模型的流式细胞计数据自动门控方法

权利要求书

1.一种基于分布式图模型的流式细胞计数据自动门控方法，其特征在于，该方法包括以下步骤：

1)根据GraphLab框架将输入的细胞计数据文件变换为RDD类型，得到流式细胞计数据X＝{x₁,x₂,...,x_N}；

2)输入流式细胞计数据X＝{x₁,x₂,...,x_N}、邻域大小k、随机重复的次数r；N为数据点个数；输出C＝{c₁,c₂,...,c_N}，代表每个数据点被分配到的标签，即门控后的结果；

3)基于随机投影树和GraphLab框架分布式构造kNN图：

在Gather阶段，每个线程上随机生成若干超平面v，将每个数据点视为节点，本线程上的节点x选择满足最远点距离要求x·v≤median({z·v:z∈S}+δ)的节点自动成为邻居，在Scatter阶段节点x与邻居节点之间的边的权值为1，与非邻居节点之间的边的权值为0，当发现每个节点邻居个数达到k时，自动跳出，从而构建得到kNN图；S为节点的集合，δ为任意常数，median()表示取中值；为了达到需要的精度，反复执行2-3次，取图的交集以保证准确度，得到最终的kNN图；

4)通过GraphLab框架的Gather阶段遍历每一个节点x的所有边；通过GraphLab框架的Scatter阶段，根据所有的和该节点连接的节点，即该节点的邻域V_k(x)计算Jaccard系数J_k(x_i,x_j)，将kNN图变成带权值图；

5)对得到的带权值图执行图割算法，得到一次划分C＝{c₁,c₂,...,c_N}和目标函数Q值，Q值的计算如公式(2)：

其中，J代表整幅带权值图的权值，δ(c_i,c_j)表示delta函数，当输入相等取1，否则取0；deg(v_i)代表节点i的度，本模型中没有负权值，m表示带权值图中边的权值之和的1/2；

6)重复r次步骤4)，选择r次中最大Q值对应的C作为门控后的结果。

2.根据权利要求1所述的一种基于分布式图模型的流式细胞计数据自动门控方法，其特征在于，所述步骤5)包括以下子步骤：

a)初始化每一个节点自成一个社群；

b)并行遍历节点，对于节点i的邻域V_k(x)的每一个节点j∈V_k(x)，计算如果将i归入j所属的社群c_j中Q值的增加值ΔQ，寻找ΔQ最大的归入方式；在计算ΔQ的过程中通过Gather阶段，读取边权值和边所对应的节点，在Apply阶段将每条边的权值加到对应节点的属性上，计算出每个节点的度，并给予节点一个临时标签代表其所属的社群；根据每个节点的度和临时标签计算得到ΔQ；

其中∑in是社区C内部节点之间边的权值和，∑tot是该归入方式执行后所有被连接归入C的边的权值之和，k_i是节点i所有连接边的权值之和，k_i,in是节点i连接进入社群C后所有带入边的权值之和，p是整个网络所有边的权值之和；

c)选择ΔQ最大的归入方式后，在Apply阶段压缩数据集所有社群内部的点聚合成一个新的点，社群增加一条自连边，自连边的权值是社区C内部节点之间边的权值和，社群和社群之间边的权值是聚合之前两个社群的有连接的成员之间边的权值之和；将聚合后的图回带到步骤b)中执行相同的操作；

d)重复b)和c)，直到ΔQ收敛。