| 摘要 | 第8-10页 |
| ABSTRACT | 第10-12页 |
| 1 绪论 | 第13-24页 |
| 1.1 研究背景 | 第13-15页 |
| 1.1.1 高维数据的降维可视化需求 | 第13-14页 |
| 1.1.2 生物医学领域的应用需求 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 降维可视化方法研究现状 | 第15-17页 |
| 1.2.2 生物医学数据研究现状 | 第17-19页 |
| 1.3 研究意义 | 第19-21页 |
| 1.3.1 降维可视化方法的研究意义 | 第19-20页 |
| 1.3.2 生物医学数据的研究意义 | 第20-21页 |
| 1.4 论文研究目标与内容 | 第21-22页 |
| 1.5 论文的组织结构 | 第22-24页 |
| 2 主要降维可视化方法对比分析 | 第24-46页 |
| 2.1 概述 | 第24-25页 |
| 2.2 线性可视化技术 | 第25-28页 |
| 2.2.1 主成分分析 | 第25-26页 |
| 2.2.2 非负矩阵分解 | 第26-28页 |
| 2.3 非线性可视化技术 | 第28-41页 |
| 2.3.1 保全局结构非线性降维技术 | 第29-38页 |
| 2.3.2 保局部特性的非线性降维技术 | 第38-41页 |
| 2.4 模拟数据上的可视化结果对比分析 | 第41-44页 |
| 2.5 本章小结 | 第44-46页 |
| 3 基于流形正则化的随机近邻嵌入算法及其在微生物组学数据分析中的应用 | 第46-69页 |
| 3.1 概述 | 第46-47页 |
| 3.2 基于t分布的随机近邻嵌入算法 | 第47-48页 |
| 3.3 基于流形正则化的随机近邻嵌入(LA2SNE) | 第48-57页 |
| 3.3.1 LA2SNE相似性度量 | 第48-49页 |
| 3.3.2 正则化技术 | 第49-53页 |
| 3.3.3 LA2SNE算法实现 | 第53-57页 |
| 3.4 实验结果与分析 | 第57-68页 |
| 3.4.1 模拟数据集的实验结果 | 第57-60页 |
| 3.4.2 微生物组学数据集的实验结果 | 第60-65页 |
| 3.4.3 微生物组学数据集可视化结果的量化分析 | 第65-68页 |
| 3.5 本章小结 | 第68-69页 |
| 4 基于流形正则化的多映射随机近邻嵌入算法及其在遗传疾病表型数据分析中的应用 | 第69-91页 |
| 4.1 概述 | 第69-70页 |
| 4.2 度量空间的局限性 | 第70-71页 |
| 4.3 多映射图的随机近邻嵌入算法 | 第71-73页 |
| 4.4 基于流形正则化的多映射图随机近邻嵌入算法 | 第73-74页 |
| 4.5 实验结果与分析 | 第74-90页 |
| 4.5.1 实验数据 | 第74-75页 |
| 4.5.2 实验结果分析 | 第75-90页 |
| 4.6 本章小结 | 第90-91页 |
| 5 基于增强非负矩阵分解的高维数据快速可视化方法及其在微生物组学数据分析中的应用 | 第91-105页 |
| 5.1 概述 | 第91-92页 |
| 5.2 快速降维可视化算法步骤 | 第92-98页 |
| 5.2.1 图正则化非负矩阵分解 | 第92-93页 |
| 5.2.2 增强非负矩阵分解 | 第93-94页 |
| 5.2.3 子空间样本点之间近似相似度计算 | 第94-96页 |
| 5.2.4 利用Barnes Hut算法构造目标函数 | 第96-98页 |
| 5.3 实验结果与分析 | 第98-103页 |
| 5.3.1 实验数据 | 第98页 |
| 5.3.2 实验结果分析 | 第98-103页 |
| 5.4 本章小结 | 第103-105页 |
| 6 总结与展望 | 第105-108页 |
| 6.1 总结 | 第105-106页 |
| 6.2 展望 | 第106-108页 |
| 参考文献 | 第108-114页 |
| 攻博期间发表的与学位论文相关的科研成果目录 | 第114-116页 |
| 致谢 | 第116页 |
