| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题研究背景及意义 | 第9-10页 |
| ·基因芯片技术 | 第10-13页 |
| ·基因芯片类型 | 第10-11页 |
| ·基因表达谱数据及其数据分析 | 第11-13页 |
| ·基于基因表达谱数据的肿瘤分类特征基因选择 | 第13-15页 |
| ·肿瘤基因表达谱数据分析的研究水平和现状 | 第13-15页 |
| ·肿瘤分类特征基因选择面临的问题和挑战 | 第15页 |
| ·论文内容、组织 | 第15-17页 |
| 第2章 相关理论基础 | 第17-25页 |
| ·支持向量机 | 第17-18页 |
| ·K-均值聚类算法（K-means Clustering） | 第18-20页 |
| ·特征选择 | 第20-25页 |
| ·特征选择的相关概念 | 第20-22页 |
| ·FILTER 特征选择 | 第22-23页 |
| ·Wrapper 特征选择 | 第23页 |
| ·特征选择的典型算法 | 第23-25页 |
| 第3章 基于SVM 和相关性的肿瘤特征基因选择方法 | 第25-32页 |
| ·引言 | 第25页 |
| ·相关工作 | 第25-26页 |
| ·支持向量机和SVM-RFE 算法 | 第26-27页 |
| ·实验方法 | 第27-30页 |
| ·噪声基因过滤 | 第28页 |
| ·基于相关性改进的SVM-RFE 算法 | 第28-30页 |
| ·实验结果 | 第30-31页 |
| ·实验数据集 | 第30页 |
| ·实验结果 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 基于启发式K-MEANS 聚类算法分析肿瘤基因表达谱数据 | 第32-41页 |
| ·引言 | 第32页 |
| ·相关工作 | 第32-33页 |
| ·基因表达谱的相似性度量标准 | 第33-35页 |
| ·启发式K-均值聚类算法 | 第35-37页 |
| ·相关统计理论 | 第35页 |
| ·K-均值聚类算法 | 第35-36页 |
| ·启发式K-均值聚类算法 | 第36-37页 |
| ·实验结果 | 第37-40页 |
| ·数据预处理 | 第37-38页 |
| ·噪声基因过滤 | 第38页 |
| ·聚类结果分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第5章 一种混合的肿瘤分类特征基因提取方法 | 第41-51页 |
| ·引言 | 第41页 |
| ·问题的提出 | 第41-43页 |
| ·基因冗余 | 第41-42页 |
| ·去除冗余特征的理论基础 | 第42-43页 |
| ·相关工作 | 第43-44页 |
| ·特征基因选择方法 | 第44-46页 |
| ·过滤基因 | 第44-45页 |
| ·冗余基因的去除 | 第45-46页 |
| ·SVM-RFE 选取强相关特征 | 第46页 |
| ·实验结果 | 第46-48页 |
| ·实验数据 | 第46-47页 |
| ·结果分析 | 第47-48页 |
| ·本章小结 | 第48-51页 |
| 结论与展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间所发表的学术论文 | 第57-58页 |
| 致谢 | 第58页 |
