微阵列数据集的频繁闭合模式挖掘算法研究

摘要

不同于传统基因表达检测技术,高通量微阵列技术可以同时测量成千上万基因表达水平,为功能基因组学基因调控网路研究提供强大的技术支撑。关联分析方法用于分析微阵列数据集基因间相关联系,生成关联规则,进而构建基因调控网络。
　　频繁闭合模式挖掘是关联分析的关键步骤。本文针对现存微阵列数据集的频繁闭合模式挖掘算法的不足,提出两个改进算法,主要研究工作如下:
　　1)剖析现有频繁(闭合)模式挖掘算法的原理、执行步骤及算法应用中的相关问题,分析各算法的优势和不足;
　　2)提出LG-tree结构,并基于此结构提出挖掘频繁闭合模式的新算法MFCPLG。算法采用深度优先搜索行枚举空间策略,结合单路径修剪技术,在时间性能上得到了优化;
　　3)基于行枚举方法,提出HT-struct结构,并基于此结构提出频繁闭合模式挖掘新算法 HTCLOSE。算法采用深度优先搜索策略,结合高效的修剪技术和巧妙的链表组织技术,在时间和空间性能上均得到了优化。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

§1.1研究背景

§1.2研究现状

§1.3论文组织、主要研究工作及意义

第二章 微阵列技术

§2.1微阵列技术生物学背景

§2.2 微阵列数据的获取

第三章 微阵列数据集关联规则分析

§3.1数据挖掘概述

§3.2关联规则

§3.3本章小结

第四章 基于LG-tree的频繁闭合模式挖掘算法MFCPLG

§4.1频繁闭合模式

§4.2 CARPENTER算法

§4.3 MFCPLG算法

§4.4实验评估

§4.5本章小结

第五章 基于HT-struct的频繁闭合模式挖掘算法HTCLOSE

§5.1 H-Mine算法及H-struct结构

§5.2 HT-struct数据结构

§5.3 HTCLOSE算法

§5.4实验评估

§5.5本章小结

第六章 结束语

参考文献

致谢

附：在学期间发表论文