基于SVM的多病类诊断基因选择方法研究
| 第一章 绪论 | 第1-12页 |
| 1．1 DNA微阵列及其应用 | 第7-8页 |
| 1．2 基因选择 | 第8-9页 |
| 1．3 目前基因选择方面的研究 | 第9页 |
| 1．4 支持矢量机及其在基因选择方面的应用意义 | 第9-10页 |
| 1．5 本论文的主要工作 | 第10-12页 |
| 第二章 两病类情况下的基因选择 | 第12-27页 |
| 2．1 引言 | 第12页 |
| 2．2 超高维空间超小样本数据线性可分的证明 | 第12-13页 |
| 2．3 统计学习理论与SVM简介 | 第13-17页 |
| 2．3．1 统计学习理论简介 | 第13-14页 |
| 2．3．2 支持向量机简介 | 第14-17页 |
| 2．4 交叉验证简介 | 第17-18页 |
| 2．5 两种基因选择方法 | 第18-21页 |
| 2．6 实验数据与性能评价指标 | 第21-23页 |
| 2．7 实验结果与分析 | 第23-26页 |
| 2．7．1 对data13数据进行基因选择的结果 | 第23-24页 |
| 2．7．2 对NCI数据进行基因选择的结果 | 第24-26页 |
| 2．8 小结 | 第26-27页 |
| 第三章 基于SVM的多病类基因选择 | 第27-51页 |
| 3．1 多类SVM分类方法简介 | 第27-28页 |
| 3．2 基于和贡献的基因选择方法 | 第28-33页 |
| 3．2．1 基于和贡献的基因选择 | 第29-30页 |
| 3．2．2 实验结果与分析 | 第30-33页 |
| 3．2．3 小结 | 第33页 |
| 3．3 基于类模式的基因选择方法 | 第33-37页 |
| 3．3．1 基于类模式的基因分类贡献表示方法 | 第33-34页 |
| 3．3．2 基于类模式的基因选择 | 第34-35页 |
| 3．3．3 实验结果与分析 | 第35-36页 |
| 3．3．4 小结 | 第36-37页 |
| 3．4 基于相关性的贡献空间基因选择方法 | 第37-44页 |
| 3．4．1 基于贡献空间的基因选择 | 第37-39页 |
| 3．4．2 基于相关性的贡献空间基因选择 | 第39-41页 |
| 3．4．3 实验结果与分析 | 第41-44页 |
| 3．4．4 小结 | 第44页 |
| 3．5 基于相关性的和贡献基因选择方法 | 第44-49页 |
| 3．5．1 基于相关性的和贡献基因选择 | 第44-45页 |
| 3．5．2 实验结果与分析 | 第45-49页 |
| 3．5．3 小结 | 第49页 |
| 3．6 本章小结 | 第49-51页 |
| 总结与展望 | 第51-53页 |
| 附录 A | 第53-54页 |
| 附录 B | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 在读期间的研究成果 | 第60页 |
