文档介绍：摘 要
随着基因芯片技术和先进生物技术的快速发展，基因芯片可以同时对大量的
基因表达谱进行快速的测量分析，这就更加速了基因表达数据的产生。如何有效
的组织分析、处理这些海量的基因表达数据，从中提取出有效的生物、医学信息
已成为人们关注和研究的热点。聚类作为基因表达数据分析的主要技术之一，在
研究基因的共同功能、相互作用及协同调控等方面有着广泛的应用。目前应用在
基因表达数据聚类上的算法有很多，本文将具有量子行为的微粒群优化算法
（QPSO）应用到基因聚类分析当中，并通过实验比较说明了 QPSO 基因聚类算
法的优越性。本文主要做的工作如下：
（1）在 QPSO 算法的基础上，用另外一种目标函数TWCV 代替其原来常用
的目标函数，构成 QPSO 基因聚类算法。拥有新的目标函数的 QPSO 算法应用
到基因表达数据聚类上，可以避免基因数据向量出现不均衡分类的情况。
（2）结合 K-means 和 QPSO、PSO 聚类算法的优点，提出了 KQPSO 和 KPSO
聚类算法。并通过实验比较它们与 QPSO 基因聚类算法在基因表达数据聚类上的
优劣性。
（3）利用遗传算法（GA）的全局优化特点和 K-means 的快速收敛特性，形
成一种快速遗传算法（FGKA）并把它应用在基因聚类当中。然后通过实验比较
QPSO 基因聚类算法与 FGKA 在基因表达数据聚类中的不同表现特性。
（4） 利用改进的 QPSO 算法 DGQPSO 算法去对基因表达数据进行聚类，
并与 QPSO 基因聚类算法在基因表达数据集上进行性能比较。
本文最后对要开发的基因聚类分析软件系统 GCS 做了一个系统界面并对各
个模块的功能及界面给予了简单介绍和分析。
关键词：基因表达数据，聚类分析，QPSO 基因聚类算法，Rand 指数
Abstract
With the rapid development of gene-chip technology and advanced biotechnology
gene-chip can measure and analysis a large number of gene expression profiling rapidly at the
same time, which further accelerated the emergence of gene expression data. How to
effectively analysis、organize and deal with these vast amounts of gene expression data
extracted from an effective biological, medical information has become a hot spot of concern
and research. Clustering as one of the main technologies of gene expression data analysis has
a wide range of applications in study of common functions, interaction and synergy control of
gene. At present, there are a lot of clustering algorithm used in the clustering of gene
expression paper apply quantum-behaved particle swarm optimization algorithm
(QPSO) to the gene cluster analysis, which constitutes QPSO gene clustering algorithm. The
paper shows the superiorities of QPSO gene clu