| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·本文研究内容 | 第10-11页 |
| ·本文组织结构 | 第11页 |
| ·本章小结 | 第11-13页 |
| 第二章 特征基因选择相关理论与群体智能算法 | 第13-21页 |
| ·基因芯片技术概述 | 第13-14页 |
| ·基因芯片技术的基本原理 | 第13页 |
| ·基因芯片技术的特点 | 第13页 |
| ·基因芯片的应用 | 第13-14页 |
| ·特征选择概述 | 第14-15页 |
| ·特征选择的意义 | 第14页 |
| ·特征选择算法 | 第14-15页 |
| ·智能算法 | 第15-17页 |
| ·智能算法概述 | 第15-16页 |
| ·群体智能算法 | 第16-17页 |
| ·支持向量机 | 第17-19页 |
| ·数据分类技术 | 第17-18页 |
| ·支持向量机理论 | 第18-19页 |
| ·LIBSVM工具箱 | 第19页 |
| ·癌症数据集 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 基于改进的遗传算法的癌症特征基因选择与分类 | 第21-36页 |
| ·遗传算法 | 第21-23页 |
| ·基本原理 | 第21-22页 |
| ·编码 | 第22页 |
| ·选择操作 | 第22页 |
| ·交叉操作 | 第22-23页 |
| ·变异操作 | 第23页 |
| ·改进的遗传算法 | 第23-25页 |
| ·均匀交叉策略 | 第23-24页 |
| ·变异概率非线性变化策略 | 第24-25页 |
| ·最优个体变异策略 | 第25页 |
| ·基于改进的GA/SVM的癌症特征基因选择与分类 | 第25-26页 |
| ·适应值函数 | 第26-27页 |
| ·实验环境设置 | 第27页 |
| ·实验结果分析 | 第27-35页 |
| ·算法性能分析 | 第27-30页 |
| ·鲁棒性分析 | 第30-31页 |
| ·生物意义分析 | 第31-35页 |
| ·本章总结 | 第35-36页 |
| 第四章 基于BQPSO算法的癌症特征基因选择与分类 | 第36-49页 |
| ·粒子群算法 | 第36-37页 |
| ·量子行为粒子群算法 | 第37-38页 |
| ·二进制编码的量子行为粒子群算法 | 第38-40页 |
| ·基于BQPSO/SVM算法的癌症特征基因选择与分类 | 第40-41页 |
| ·BQPSO/SVM,PSO/SVM,GA/SVM对比实验设置 | 第41-42页 |
| ·实验结果分析 | 第42-48页 |
| ·算法性能分析 | 第42-43页 |
| ·算法鲁棒性分析 | 第43-44页 |
| ·生物意义分析 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 基于VP-BQPSO算法的癌症特征基因选择与分类 | 第49-59页 |
| ·BQPSO算法早熟收敛分析 | 第49页 |
| ·VP-BQPSO算法 | 第49-51页 |
| ·基于VP-BQPSO/SVM的癌症特征基因的选择与分类 | 第51页 |
| ·实验结果分析 | 第51-58页 |
| ·算法性能比较 | 第51-54页 |
| ·生物意义分析 | 第54-58页 |
| ·本章小结 | 第58-59页 |
| 主要结论与展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第65页 |
