基于信息熵种子点选取的流线可视化

有效的种子点选取方法是影响流线分布洞悉流场特性的关键。在保持流场变化规律与重要特征准确描述前提下,为了解决由过多流线所导致的遮挡与杂乱问题,提出了基于贪婪策略和蒙特卡洛的两种种子点选取方法。基于贪婪策略的种子点选取方法通过流场信息熵的计算,对流场中的关键特征具有高度敏感性。基于蒙特卡洛种子点选取方法根据均匀随机分布函数生成输入,基于信息熵计算输入点影响半径确定流线分布。通过多个数据集对两种选取方法实验,结果表明基于贪婪策略选取方法可高效捕获流场的关键特征,基于蒙特卡洛方法选取流线更加均匀,保持了流场全局变化规律,两种方法的结合得到更优化的流场可视化效果。     

基于复杂网络模型的基因调控网络的计算模拟

随着大通量基因芯片数据的产生,基因调控机制的网络化研究需求日趋迫切。提出了基于复杂网络理论的基因调控网络的模拟方法,构建了基因调控网络模拟器GN-Simulator。通过分析真实基因调控网络的拓扑特性,提出了对应的矩阵模型,并充分考虑了网络的生物学鲁棒性和动力学稳定性,给出了人工基因网络的生成过程和计算模拟方法。计算实验表明,GN-Simulator能高效地模拟出与真实基因调控网络高度相似的大规模人工网络,并可为不同算法提供无偏验证的多样化人工模拟数据。     

单基因扰动实验的自适应灰关联聚类算法

为克服单基因扰动实验必须遍历所有实验基因所导致的周期长和成本高的缺点,提出了一个自适应参数的灰关联聚类算法,每次基因扰动实验后通过自适应参数灰关联聚类算法选择下一个实验基因,从而省略不必要的基因扰动实验,得到满意的基因扰动顺序并建立基因调控网络.实验结果表明,该算法能有效地甄别对构建基因调控网络基本没有影响的基因,算法结果令人满意.