| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-15页 |
| ·基因表达谱概述 | 第8-10页 |
| ·基因表达的基本概念 | 第8-9页 |
| ·基因表达谱数据的获取 | 第9-10页 |
| ·研究现状 | 第10-12页 |
| ·本论文的研究内容及意义 | 第12-13页 |
| ·研究内容 | 第12-13页 |
| ·研究意义 | 第13页 |
| ·论文组织结构 | 第13-15页 |
| 第二章 基于神经网络和线性回归的肿瘤亚型识别 | 第15-29页 |
| ·神经网络原理 | 第15-19页 |
| ·问题描述与数据来源 | 第19-22页 |
| ·问题描述 | 第19-20页 |
| ·数据来源 | 第20-22页 |
| ·数据预处理及候选特征子集的确定 | 第22-25页 |
| ·数据预处理 | 第22-23页 |
| ·候选特征基因子集的确定 | 第23-25页 |
| ·基于BP神经网络构建分类器 | 第25-26页 |
| ·分类器结构设计 | 第25页 |
| ·数据标准化 | 第25-26页 |
| ·实验结果 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 第三章 基于GSNR指标的特征基因选取及肿瘤亚型识别 | 第29-37页 |
| ·问题描述与数据来源 | 第29页 |
| ·问题描述 | 第29页 |
| ·数据来源 | 第29页 |
| ·GSNR指标的构建及无关基因的剔除 | 第29-33页 |
| ·复合分类器的设计与特征基因的确定 | 第33-34页 |
| ·分类器结构设计 | 第33页 |
| ·数据标准化 | 第33页 |
| ·特征基因的确定 | 第33-34页 |
| ·实验结果 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 第四章 基于GB指标的基因表达谱分类分析 | 第37-52页 |
| ·支持向量机的基本理论 | 第37-40页 |
| ·问题描述与数据来源 | 第40-42页 |
| ·问题描述 | 第40-41页 |
| ·数据来源 | 第41-42页 |
| ·GB指标的构建与无关基因的剔除 | 第42-44页 |
| ·Gini指数的计算 | 第42-43页 |
| ·类加权Bhattacharyya距离的计算 | 第43页 |
| ·GB指标的构建 | 第43-44页 |
| ·分类器的构建及特征选择 | 第44-48页 |
| ·分类器的构建 | 第44-45页 |
| ·特征选择 | 第45-48页 |
| ·实验结果 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 第五章 总结与展望 | 第52-55页 |
| ·本论文工作总结 | 第52-53页 |
| ·后续工作及展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间主要的研究成果 | 第60页 |