文档介绍:1
2
≈麟j+0占t、冬岳,一
3
学科专业:控制理论与控制工程摘论文题目:基于贝叶斯网络的基因调控网络建模分析与研究研究生:郝亚男签名:指导教师:刘丁教授季瑞瑞讲师随着信息技术与计算科学不断发展,人们在研究自然科学的同时,越来越对自身奥秘和生物进化过程产生浓厚的兴趣。人类基因组计划的逐步实施,基因芯片微阵列技术的出现,标志着后基因组时代已经来临。对大规模的生物数据进行数学建模和分析,构建基因调控网络成为重要的研究方向。本文分析了已有的基因调控网络模型的特点,考虑到贝叶斯网络模型作为随机模型,具有表述直观、推理灵活、决策方便等优点,研究了基于贝叶斯网络的基因调控网络构建利用已知的样本数据对网络模型进行重建,可以视为一个优化问题。根据这种思想,BIC网络进行学习。第一种是粒子群优化算法,文中采用互信息对初始父节点进行了筛选,重新定义了粒子群优化算法中的粒子位置、速度编码、粒子迭代运算法则以及参数。第二种是人工鱼群算法,文中重新定义了人工鱼群算法中的人工鱼编码、人工鱼行为以及人工鱼邻居和聚类中心,为了避免算法陷入局部极值,引入了自适应视野策略和跳跃人工鱼方法,同时对环路进行了处理。通过模拟数据的实验结果验证了文中的优化算法能够提高得到的贝叶斯网络的推断能力。对比实验结果也表明粒子群优化算法速度较快,人工鱼群算法具有较高的精度,但是复杂度稍高,最后对真实生物数据构建了基因调控网络,验证了算法关键词:基因调控网络;贝叶斯网络;结构学习;粒子群算法;人工鱼群算法方法。的有效性。摘要
4
望童墨三垄堂堡主堂堡笙查——一一占,矗^e《、
5
worktwoandimportantchangesHumanmodelBayesian,Canobjectiveoptimization(PSO)InTitleANDBASEDControlEngineeringHAO:.(AFSA)ThisdevelopmentinformationthepostgenomicmodelsConsideringdecision-ordingly,,reasoningknownkindsfirstnodesredefined,operationalarticlefishScodingbehavior,,PSOconvergenceectstructurenotacan
6
work.:Swarm;andtheeffectiveness;籗constructa专d^
7
⒐亓M缒P汀本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯313粒子群算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯基于粒子群算法的贝叶斯网络结构算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯32318实验分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯331201{
8
423引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯鱼群算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯421244222442326基于鱼群算法的贝叶斯网络建模⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯43127位置中环路的处理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.模拟数据实验分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯虻骺赝绻菇ā5135213**********实验结果与分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.639致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.432284332843429523总结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯JEz1
9
1生物信息学在人类文明的发展进程中