| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·引言 | 第8-9页 |
| ·问题的提出 | 第9页 |
| ·国内外的研究情况 | 第9-11页 |
| ·支持向量机 | 第9-11页 |
| ·寻找致病基因和候选基因排序 | 第11页 |
| ·本文的工作 | 第11-12页 |
| ·本文的结构 | 第12-13页 |
| 第二章 支持向量机 | 第13-30页 |
| ·机器学习的基本问题 | 第13-15页 |
| ·机器学习的模型和形式化描述 | 第13-14页 |
| ·基本的机器学习问题 | 第14页 |
| ·经验风险最小化 | 第14页 |
| ·复杂性和泛化性 | 第14-15页 |
| ·统计学习理论 | 第15-18页 |
| ·学习过程一致性的条件 | 第15-17页 |
| ·VC 维的概念 | 第17页 |
| ·泛化性的界 | 第17页 |
| ·结构风险最小化 | 第17-18页 |
| ·支持向量机 | 第18-26页 |
| ·线性分类器 | 第19页 |
| ·最优分类超平面 | 第19-21页 |
| ·拉格朗日最优化理论 | 第21-22页 |
| ·对偶表示 | 第22-24页 |
| ·核方法 | 第24-25页 |
| ·非线性SVM | 第25页 |
| ·软间隔优化 | 第25-26页 |
| ·单类分类问题和单类支持向量机 | 第26-30页 |
| ·单类分类问题 | 第26-27页 |
| ·单类支持向量机 | 第27-30页 |
| 第三章 基于单类支持向量机的候选基因排序 | 第30-36页 |
| ·寻找致病基因与候选基因排序 | 第30页 |
| ·候选基因排序的基本策略 | 第30-31页 |
| ·用于候选基因排序的单类支持向量机 | 第31-32页 |
| ·带有不确定输入的单类支持向量机 | 第32-35页 |
| ·问题及假设 | 第32页 |
| ·问题的几何表示及解决 | 第32-34页 |
| ·非线性核函数及推广 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 实验——单数据源候选基因排序 | 第36-45页 |
| ·实验所用数据及其核矩阵 | 第36-37页 |
| ·实验一、基于OCSVM 的候选基因排序 | 第37-39页 |
| ·实验样本集设计 | 第37页 |
| ·评价指标 | 第37-38页 |
| ·实验结果 | 第38-39页 |
| ·实验二、基于OCSVMWIU 的候选基因排序 | 第39-42页 |
| ·基因表达数据 | 第39-40页 |
| ·实验样本集设计 | 第40页 |
| ·噪声的模拟 | 第40-41页 |
| ·实验结果：降噪 | 第41页 |
| ·对算法的进一步讨论 | 第41-42页 |
| ·实验三、基于OCSVMWIU 的PFAM HMM 得分数据降噪 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 基于数据融合的候选基因排序 | 第45-53页 |
| ·融合多种数据源对候选基因排序 | 第45-46页 |
| ·用于候选基因排序的单类支持向量机数据融合 | 第46-49页 |
| ·算法的形式化描述 | 第48页 |
| ·补充算法 | 第48-49页 |
| ·实验 | 第49-52页 |
| ·实验样本集设计 | 第49-50页 |
| ·与单数据源排序的对比 | 第50-51页 |
| ·与其他数据融合方法的对比 | 第51页 |
| ·对算法的进一步讨论 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 结束语 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第61页 |