| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 基因表达谱数据的描述 | 第10-11页 |
| 1.4 论文研究内容与结构安排 | 第11-14页 |
| 1.4.1 主要研究内容 | 第11-12页 |
| 1.4.2 结构安排 | 第12-14页 |
| 第二章 肿瘤基因表达谱数据挖掘相关理论和方法 | 第14-20页 |
| 2.1 机器学习 | 第14页 |
| 2.2 特征选择 | 第14-16页 |
| 2.3 特征基因选择方法 | 第16-17页 |
| 2.3.1 基于过滤法的特征基因选择方法 | 第16页 |
| 2.3.2 基于包裹法的特征基因选择方法 | 第16-17页 |
| 2.4 特征基因选择过程 | 第17-19页 |
| 2.4.1 特征子集的搜索策略 | 第17-18页 |
| 2.4.2 特征子集的评价标准 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第三章 基于信噪比与随机森林的肿瘤特征基因选择 | 第20-29页 |
| 3.1 引言 | 第20-21页 |
| 3.2 基础理论 | 第21-23页 |
| 3.2.1 信噪比 | 第21页 |
| 3.2.2 随机森林 | 第21-23页 |
| 3.3 特征基因选择算法 | 第23-24页 |
| 3.3.1 肿瘤基因数据预处理 | 第23页 |
| 3.3.2 基于信噪比和随机森林的肿瘤特征基因选择算法 | 第23-24页 |
| 3.4 实验分析 | 第24-27页 |
| 3.4.1 实验数据与方法 | 第24页 |
| 3.4.2 实验结果分析 | 第24-27页 |
| 3.5 本章小结 | 第27-29页 |
| 第四章 基于改进自组织映射与粒子群算法的特征选择 | 第29-38页 |
| 4.1 引言 | 第29-30页 |
| 4.2 基础理论 | 第30-32页 |
| 4.2.1 自组织映射 | 第30-31页 |
| 4.2.2 邻域互信息测度 | 第31-32页 |
| 4.2.3 粒子群优化算法 | 第32页 |
| 4.3 基于改进的自组织映射与粒子群算法的特征选择 | 第32-35页 |
| 4.3.1 新的相关测度 | 第32-33页 |
| 4.3.2 改进的SOM聚类算法的描述（ICMSOM） | 第33-34页 |
| 4.3.3 基于改进的SOM聚类与粒子群优化（ICMSOM-PSO）算法 | 第34-35页 |
| 4.4 实验分析 | 第35-37页 |
| 4.5 本章小结 | 第37-38页 |
| 第五章 结论 | 第38-40页 |
| 5.1 研究总结 | 第38页 |
| 5.2 今后研究构想 | 第38-40页 |
| 参考文献 | 第40-45页 |
| 攻读学位期间的科研成果 | 第45-46页 |
| 致谢 | 第46-48页 |
