Aplicación de un algoritmo bioinspirado para optimizar los parámetros de los métodos scan

Abstract

Los métodos Scan clásicos y borrosos se utilizan ampliamente para la detección de conglomerados sobre una secuencia linear o circular de datos. Generalmente la secuencia ha sido procesada previamente y transformada en una secuencia binaria. El valor uno representa la categoría de interés y el valor cero representa lo demás. El objetivo de los métodos es detectar un conglomerado de unos. Estos métodos dependen de varios parámetros: el ancho de la ventana móvil que recorre la secuencia de entrada, el paso con el que la ventana se mueve y el tamaño de la parte borrosa en las variantes borrosas de los métodos Scan. En este trabajo se muestra como la unión de un algoritmo bioinspirado y el método de simulación de Monte Carlo, sirven de ayudan en la búsqueda de valores adecuados para los parámetros de las técnicas Scan. Además se muestran aplicaciones con datos simulados y se resuelve un problema de bioinformática.

The classic and fuzzy Scan methods are widely used for the detection of conglomerates on a linear data or on a circular data. Generally, the sequence has been processed previously and transformed into a binary sequence. The value one represents the category of interest and value zero represents the others. The objective of the methods is to detect conglomerates of the values one. These methods depend on several parameters: the length of the moving window that scan the binary sequence, the step to be used by the window and the size of the fuzzy part, in the fuzzy variants of the Scan methods. In this work it is shown how the union of a Particle Swarm Optimization algorithm (PSO) and the Monte Carlo Simulation cooperate in the search of the correct values for the parameters of the Scan techniques. Besides, applications with simulated data are discussed and a bioinformatics’ problem is solved.