[发明专利]一种基因分类方法与装置

摘要

本发明涉及一种基因分类方法与装置，将LLE算法和AP聚类算法相结合，并利用提出的混合核函数对相似性度量函数进行改进。首先，采用LLE算法将原始高维基因表达数据集映射到低维空间达到降维目的；其次，提出一种新的全局核函数为F型核函数，并将其与高斯核函数线性组合成新的混合核函数，并利用提出的混合核函数计算相似度度量，构建新的相似度矩阵S；然后通过AP聚类算法和相似度矩阵对数据进行聚类，迭代得到最终聚类结果；最后通过和其他聚类方法进行对比，验证本发明算法的有效性和准确性。

主权项

1.一种基因分类方法，其特征在于，包括以下步骤：

1)获取基因表达数据，基因表达数据中包含设定数量的样本，每一样本中包含设定数量的基因，将基因表达数据中各基因进行排列组合形成矩阵，形成的矩阵为基因表达数据矩阵；

2)采用局部线性嵌入算法对所述基因表达数据矩阵进行降维，计算基因表达数据矩阵的线性嵌入矩阵，得到降维后的特征基因子集；

3)采用近邻传播聚类算法对所述特征基因子集进行聚类，得到基因的聚类结果。

2.根据权利要求1所述的基因分类方法，其特征在于，近邻传播聚类算法中相似度矩阵的构造包括如下步骤：

对特征基因子集中的样本分别建立全局核函数和局部核函数，并对全局核函数和局部核函数进行线性加权，线性加权后得到的函数作为相似性度量来计算所述相似度矩阵。

3.根据权利要求2所述的基因分类方法，其特征在于，所述局部核函数包括高斯核函数，所述全局核函数包括线性核函数、多项式核函数和sigmoid核函数。

4.根据权利要求3所述的基因分类方法，其特征在于，所述全局核函数还包括F型核函数，计算式如下：

式中，K(y_i,y_j)为F型核函数，y_i和y_j均为所述特征基因子集中的样本，β为核函数的参数，β∈R。

5.根据权利要求1所述的基因分类方法，其特征在于，步骤2)包括以下子步骤：

2‑1)计算基因表达数据矩阵中所有样本的k个最近邻点；

2‑2)根据各个样本的k个最近邻点，构建局部重构权值矩阵；

2‑3)利用所述局部重构权值矩阵，计算基因表达数据矩阵的线性嵌入矩阵，得到所述降维后的特征基因子集。

6.根据权利要求2所述的基因分类方法，其特征在于，全局核函数的参数和局部核函数的参数通过粒子群算法进行寻优得到。

7.根据权利要求1‑4任一项所述的基因分类方法，其特征在于，所述近邻传播聚类算法对特征基因子集的聚类包括以下子步骤：

3‑1)初始化可信度r(i,k)和可用度a(i,k)，可信度r(i,k)表示样本y_i适合做样本y_k的类代表点的代表程度，可用度a(i,k)表示样本y_i选择样本y_k做类代表点的适合程度；

3‑2)根据近邻传播聚类算法，利用所述构造的相似度矩阵分别迭代计算可信度r(i,k)和可用度a(i,k)，直到达到设定迭代次数或迭代收敛，输出基因的聚类结果。

8.根据权利要求7所述的基因分类方法，其特征在于，可信度r(i,k)和可用度a(i,k)的迭代公式如下：

r^t(i,k)＝(1‑λ)×r^t(i,k)+λ×r^t‑1(i,k)

a^t(i,k)＝(1‑λ)×a^t(i,k)+λ×a^t‑1(i,k)

式中，r^t(i,k)为第t次迭代时可信度的值，r^t–1(i,k)为第t–1次迭代时可信度的值，λ为阻尼因子，a^t(i,k)为第t次迭代时可用度的值，a^t–1(i,k)为第t–1次迭代时可用度的值。

9.一种基因分类装置，其特征在于，包括处理器，用于执行实现以下步骤的指令：

1)获取基因表达数据，基因表达数据中包含设定数量的样本，每一样本中包含设定数量的基因，将基因表达数据中各基因进行排列组合形成矩阵，形成的矩阵为基因表达数据矩阵；

2)采用局部线性嵌入算法对所述基因表达数据矩阵进行降维，计算基因表达数据矩阵的线性嵌入矩阵，得到降维后的特征基因子集；

3)采用近邻传播聚类算法对所述特征基因子集进行聚类，得到基因的聚类结果。

10.根据权利要求9所述的基因分类装置，其特征在于，近邻传播聚类算法中相似度矩阵的构造包括如下步骤：

对特征基因子集中的样本分别建立全局核函数和局部核函数，并对全局核函数和局部核函数进行线性加权，线性加权后得到的函数作为相似性度量来计算所述相似度矩阵。