| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·基因表达数据的概念 | 第9-10页 |
| ·基于基因表达数据提取肿瘤特征的研究现状 | 第10-12页 |
| ·本课题的研究目的和意义 | 第12-14页 |
| ·主要内容与创新点 | 第14-15页 |
| ·论文结构与安排 | 第15-16页 |
| 第二章 相关算法的理论基础 | 第16-28页 |
| ·数据挖掘 | 第16-18页 |
| ·数据挖掘的定义 | 第16-17页 |
| ·数据挖掘的功能 | 第17-18页 |
| ·特征选择方法综述 | 第18-20页 |
| ·特征选择的基本概念 | 第18-19页 |
| ·典型特征选择算法 | 第19-20页 |
| ·支持向量机 | 第20-24页 |
| ·用于两类分类的支持向量机 | 第20-23页 |
| ·用于基因表达数据的支持向量机 | 第23-24页 |
| ·遗传算法 | 第24-28页 |
| ·机理 | 第24页 |
| ·遗传算法的特点 | 第24-26页 |
| ·遗传算法的优点 | 第25-26页 |
| ·实现步骤 | 第26-28页 |
| 第三章 基于 Kmeans_iic 特征选择算法 | 第28-44页 |
| ·相关算法 | 第28-31页 |
| ·KMEANS_IIC 算法 | 第28-31页 |
| ·Kmeans 算法思想 | 第28-30页 |
| ·分类信息指数 | 第30-31页 |
| ·基于支持向量机的样本分类 | 第31页 |
| ·实验 | 第31-32页 |
| ·实验数据描述 | 第31-32页 |
| ·实验参数与步骤 | 第32页 |
| ·试验结果与分析 | 第32-36页 |
| ·试验结果 | 第32-33页 |
| ·对照试验 | 第33-34页 |
| ·比较研究 | 第34页 |
| ·生物学意义解释 | 第34-36页 |
| ·算法应用推广 | 第36-43页 |
| ·小结 | 第43-44页 |
| 第四章 基于 Relief_AGA_SVM 特征选择算法 | 第44-58页 |
| ·算法提出的动机 | 第44-48页 |
| ·Relief 评估算法 | 第45-46页 |
| ·k 最邻近方法 | 第46-47页 |
| ·自适应遗传算法 | 第47-48页 |
| ·Relief_AGA_SVM 算法描述 | 第48-51页 |
| ·统计分析 | 第51-52页 |
| ·试验数据 | 第52-53页 |
| ·数据集 | 第52页 |
| ·实验步骤 | 第52-53页 |
| ·试验结果与分析 | 第53-56页 |
| ·选主基因 | 第53-55页 |
| ·分类预测 | 第55页 |
| ·比较分析 | 第55页 |
| ·生物意义分析 | 第55-56页 |
| ·小结 | 第56-58页 |
| 第五章 结论和展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻硕期间取得的研究成果 | 第63-64页 |