利用Transformer的组合聚类算法在蛋白质数据分析中的应用

打开文本图片集

摘要：该研究将Transformer模型适配于蛋白质特征降维场景，通过其特有的自注意力机制，赋予模型对长程依赖关系的较好建模性能，同时，多头注意力设计使得模型能够从不同角度捕获特征间的相互作用，进一步提升降维结果的表达力和鲁棒性。文章提出了一种新型的GRKM组合聚类算法，在原始K-means算法中引入了灰狼优化算法（Grey Wolf Optimization Algorithm）确定聚类的K值，以随机游走算法（Random Walk）确定初始聚类中心，以马氏距离（Markov Distance）来衡量样本间的相似性。（剩余12175字）