針對群智能聚類方法在蛋白質相互作用網絡功能模塊檢測問題上運行時間長的不足,本文提出了一種基于煙花算法的蛋白質相互作用網絡功能模塊檢測方法（Fireworks Algorithm for Functional Module Detection in Protein-protein Interaction Networks,簡稱FWA-FMD）.首先結合蛋白質相互作用網絡的拓撲結構信息和基因本體的功能注釋信息,基于標簽傳播思想將每個煙花個體初始化為一種候選的功能模塊劃分.其次在每一代進化過程中,利用具有局部搜索和全局搜索自調整能力的爆炸操作對每個煙花個體進行優(yōu)化,并同時采用精英保留和輪盤賭策略選擇下一代煙花個體.最后通過將最優(yōu)煙花個體中標簽相同的節(jié)點劃分到同一功能模塊,以得到最終的功能模塊檢測結果.在酵母菌和人類兩個物種的4個公共蛋白質相互作用網絡數據集上的功能模塊檢測結果,分別用兩種標準功能模塊數據集作為基準來評價的實驗表明:FWA-FMD算法不但求解時間少于遺傳算法、蟻群算法和細菌覓食算法,而且在多項評價指標上與一些代表性算法相比都具有明顯的優(yōu)勢,能夠更好地識別功能模塊. 

【文章來源】：哈爾濱工業(yè)大學學報. 2019,51(05)北大核心EICSCD

【文章頁數】：10 頁

【文章目錄】：
1 煙花算法
2 FWA-FMD方法
    2.1 基本思想
    2.2 煙花個體初始化
    2.3 爆炸操作
    2.4 選擇策略
    2.5 算法描述與分析
3 實驗及結果分析
    3.1 實驗環(huán)境及數據集
    3.2 評價指標
        3.2.1 精度、召回率和F度量
        3.2.2 靈敏度、正預測率和準確度
    3.3 實驗對比分析
4 結論



本文編號：3641721