| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题的研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.3 研究内容 | 第17-18页 |
| 1.4 论文结构 | 第18-19页 |
| 1.5 本章小结 | 第19-20页 |
| 第2章 肿瘤分类算法及特征选择的相关理论基础介绍 | 第20-33页 |
| 2.1 基因表达谱数据 | 第20-24页 |
| 2.1.1 基因芯片技术 | 第20-22页 |
| 2.1.2 基因表达谱数据的特点 | 第22页 |
| 2.1.3 基因表达谱数据的预处理 | 第22-24页 |
| 2.2 肿瘤基因表达谱数据的特征选择 | 第24-28页 |
| 2.2.1 特征提取相关算法 | 第24-27页 |
| 2.2.2 特征选择相关算法 | 第27-28页 |
| 2.3 肿瘤分类的相关算法 | 第28-32页 |
| 2.3.1 K最近邻算法(KNN) | 第28-29页 |
| 2.3.2 贝叶斯分类器(Bayesian) | 第29-30页 |
| 2.3.3 决策树(D-Tree) | 第30-31页 |
| 2.3.4 人工神经网络(ANN) | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 基于ReliefF和SVM RFE的特征选择方法 | 第33-46页 |
| 3.1 引言 | 第33页 |
| 3.2 ReliefF算法 | 第33-35页 |
| 3.3 SVM RFE算法 | 第35-39页 |
| 3.4 方法的基本流程 | 第39-40页 |
| 3.5 实验与分析 | 第40-45页 |
| 3.5.1 实验数据集介绍 | 第40-41页 |
| 3.5.2 实验结果与评价 | 第41-45页 |
| 3.6 小结 | 第45-46页 |
| 第4章 基于改进稀疏表示的分类方法 | 第46-52页 |
| 4.1 引言 | 第46页 |
| 4.2 基于稀疏表示的分类方法 | 第46-48页 |
| 4.3 方法的基本流程 | 第48-49页 |
| 4.4 结果与分析 | 第49-51页 |
| 4.4.1 实验数据介绍 | 第49页 |
| 4.4.2 实验结果及评价 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 附录A 读研期间发表学术论文和参与科研项目 | 第59-60页 |
| 致谢 | 第60页 |