| 摘要 | 第1-11页 |
| Abstract | 第11-13页 |
| 插图索引 | 第13-14页 |
| 附表索引 | 第14-15页 |
| 第1章 绪论 | 第15-31页 |
| ·DNA微阵列技术简介 | 第16-19页 |
| ·DNA微阵列的制备技术 | 第17-19页 |
| ·DNA微阵列技术的主要特点 | 第19页 |
| ·DNA微阵列技术的应用 | 第19-21页 |
| ·基因组测序 | 第19页 |
| ·基因表达分析 | 第19-20页 |
| ·发现新基因 | 第20页 |
| ·在疾病诊断中的应用 | 第20-21页 |
| ·在药物研究中的应用 | 第21页 |
| ·DNA微阵列基因表达谱数据 | 第21-24页 |
| ·基因表达数据的获取 | 第21-22页 |
| ·基因表达谱数据的特点 | 第22-24页 |
| ·基因表达数据在癌症检测中的应用 | 第24-25页 |
| ·课题的研究意义 | 第25-26页 |
| ·课题的研究内容 | 第26-27页 |
| ·论文的组织结构 | 第27-31页 |
| 第2章 基于DNA微阵列数据癌症检测的研究现状 | 第31-39页 |
| ·聚类方法 | 第31-34页 |
| ·K-means | 第32页 |
| ·层次聚类法 | 第32-34页 |
| ·SOM | 第34页 |
| ·分类方法 | 第34-37页 |
| ·G-S法 | 第34-35页 |
| ·K近邻分类 | 第35-36页 |
| ·SVM | 第36页 |
| ·决策树 | 第36-37页 |
| ·基因模式预处理 | 第37-38页 |
| ·特征选取 | 第37-38页 |
| ·特征变换法 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第3章 在癌症检测中一种自适应的基因选择方法 | 第39-57页 |
| ·概述 | 第39-40页 |
| ·相关方法 | 第40-42页 |
| ·IG | 第40-41页 |
| ·SNR | 第41页 |
| ·SOTA | 第41-42页 |
| ·癌症检测中基于CMST的特征基因选择方法 | 第42-44页 |
| ·基于CMST的基因聚类方法 | 第42-44页 |
| ·基于CMST的特征基因选择 | 第44页 |
| ·癌症检测中基于OS-CMST的特征基因选择方法 | 第44-46页 |
| ·基于OS-CMST的基因聚类方法 | 第45-46页 |
| ·癌症检测中基于OS-CMST的特征基因选择 | 第46页 |
| ·实验结果与分析 | 第46-55页 |
| ·数据集 | 第46-48页 |
| ·评价标准 | 第48-49页 |
| ·基于CMST的基因聚类 | 第49-50页 |
| ·基于CMST的癌症检测 | 第50-52页 |
| ·基于OS-CMST的基因聚类 | 第52-53页 |
| ·基于OS-CMST的癌症检测 | 第53-55页 |
| ·本章小结 | 第55-57页 |
| 第4章 基于隐含变量模型的癌症分类算法 | 第57-71页 |
| ·概述 | 第57-58页 |
| ·相关知识 | 第58-60页 |
| ·PCA | 第58-59页 |
| ·ICA | 第59-60页 |
| ·癌症分析中的隐含变量模型 | 第60-64页 |
| ·基于PCA的癌症基因表达模型(PCAE) | 第60-62页 |
| ·基于ICA的癌症基因表达模型(ICAE) | 第62-64页 |
| ·基于隐含变量模型的癌症检测(CDHV) | 第64-66页 |
| ·分类器 | 第64-65页 |
| ·性能评估 | 第65页 |
| ·基于隐含变量模型的癌症检测(CDHV) | 第65-66页 |
| ·实验及分析 | 第66-70页 |
| ·数据集 | 第66-67页 |
| ·实验结果与分析 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 第5章 基于关联空间的基因特征抽取与癌症识别研究 | 第71-85页 |
| ·概述 | 第71-73页 |
| ·预备知识 | 第73页 |
| ·相关定义 | 第73页 |
| ·基于关联空间的特征抽取和癌症识别 | 第73-76页 |
| ·基于关联空间/最小扩展空间的特征抽取 | 第74-75页 |
| ·控制因子的基因调控 | 第75-76页 |
| ·基于最小扩展空间的癌症分类算法(CCLSS) | 第76页 |
| ·算法分析与实验 | 第76-82页 |
| ·算法分析 | 第76-78页 |
| ·数据集 | 第78页 |
| ·噪声基因的过滤 | 第78-79页 |
| ·实验结果与分析 | 第79-82页 |
| ·本章小结 | 第82-85页 |
| 第6章 基于组合GCM和CCM的癌症分类算法 | 第85-103页 |
| ·概述 | 第85-87页 |
| ·相关知识 | 第87页 |
| ·BP网络 | 第87页 |
| ·基于组合GCM和CCM的癌症识别(EAGC) | 第87-94页 |
| ·全局分量模型(GCM) | 第87-89页 |
| ·局部分量模型(CCM) | 第89-90页 |
| ·基于组合GCM和CCM的癌症识别算法(EAGC) | 第90-93页 |
| ·讨论与分析 | 第93-94页 |
| ·实验和分析 | 第94-102页 |
| ·数据集 | 第95-96页 |
| ·过滤噪声基因 | 第96-97页 |
| ·性能评价 | 第97-98页 |
| ·独立测试实验 | 第98-99页 |
| ·交叉测试实验 | 第99-102页 |
| ·本章小结 | 第102-103页 |
| 第7章 基于显现模式的癌症分类算法研究 | 第103-123页 |
| ·概述 | 第103-104页 |
| ·预备知识 | 第104-105页 |
| ·显现模式 | 第105-108页 |
| ·基因数据集 | 第105页 |
| ·表达规则 | 第105-106页 |
| ·PCL | 第106-108页 |
| ·基于增强显现模式的癌症检测 | 第108-117页 |
| ·增强显现模式 | 第108-113页 |
| ·基于EPI的癌症识别算法 | 第113-116页 |
| ·实验结果与分析 | 第116-117页 |
| ·基于高级显现模式的癌症检测 | 第117-121页 |
| ·高级显现模式 | 第117-118页 |
| ·基于高级显现模式的癌症识别算法 | 第118-119页 |
| ·实验结果与分析 | 第119-121页 |
| ·本章小结 | 第121-123页 |
| 结论 | 第123-127页 |
| 参考文献 | 第127-135页 |
| 攻读博士学位期间所发表和投稿的论文 | 第135-137页 |
| 致谢 | 第137页 |