互信息特征选择的研究及在代谢组学中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-12页 |
| ·研究背景及意义 | 第8页 |
| ·数据挖掘 | 第8-10页 |
| ·数据挖掘概念 | 第9页 |
| ·数据挖掘应用 | 第9-10页 |
| ·本文主要工作 | 第10-12页 |
| 2 特征选择和分类模型 | 第12-26页 |
| ·特征选择方法 | 第12页 |
| ·特征选择三种分类 | 第12-19页 |
| ·filter方法 | 第12-16页 |
| ·wrapper方法 | 第16-18页 |
| ·embedded方法 | 第18-19页 |
| ·分类方法 | 第19-20页 |
| ·常见分类模型 | 第20-26页 |
| ·朴素贝叶斯 | 第21-23页 |
| ·支持向量机 | 第23-26页 |
| 3 基于互信息特征选择方法的改进 | 第26-49页 |
| ·信息论 | 第26-29页 |
| ·熵 | 第26-27页 |
| ·信息 | 第27-29页 |
| ·基于互信息为基础的特征选择方法 | 第29-33页 |
| ·基于动态互信息算法 | 第31-33页 |
| ·基于动态互信息算法的研究与改进 | 第33-35页 |
| ·公共数据集实验结果及分析 | 第35-39页 |
| ·比较算法 | 第35-36页 |
| ·数据描述 | 第36页 |
| ·结果及讨论 | 第36-39页 |
| ·特征选择改进算法在代谢组学中的应用 | 第39-49页 |
| ·代谢组学 | 第39-43页 |
| ·研究背景 | 第43页 |
| ·数据描述及预处理 | 第43-44页 |
| ·实验结果及分析 | 第44-46页 |
| ·特征分析 | 第46-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 攻读硕士学位期间发表学术论文情况 | 第52-53页 |
| 致谢 | 第53-55页 |