| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-11页 |
| ·代谢组学背景介绍 | 第9-10页 |
| ·代谢组学的定义及特点 | 第9页 |
| ·代谢组学分析方法 | 第9-10页 |
| ·代谢组学的应用发展 | 第10页 |
| ·本文主要工作 | 第10-11页 |
| 2 代谢组学中常用数据挖掘技术 | 第11-19页 |
| ·聚类分析 | 第11-12页 |
| ·分类分析 | 第12-16页 |
| ·k近邻 | 第12-13页 |
| ·贝叶斯 | 第13页 |
| ·随机森林 | 第13-14页 |
| ·支持向量机 | 第14-15页 |
| ·分类评价指标 | 第15-16页 |
| ·特征提取和选择 | 第16-17页 |
| ·离群点检测 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 3 基于互信息与人工变量的特征选择方法MI-SVM-RFE | 第19-33页 |
| ·基于支持向量机的递归特征消除算法 | 第19-21页 |
| ·MI-SVM-RFE特征选择算法 | 第21-24页 |
| ·互信息 | 第21-22页 |
| ·人工变量 | 第22-23页 |
| ·MI-SVM-RFE算法 | 第23-24页 |
| ·MI-SVM-RFE在肝病代谢数据处理中的应用 | 第24-32页 |
| ·实验数据描述 | 第24-25页 |
| ·MI-SVM-RFE的数据处理流程 | 第25-26页 |
| ·MI-SVM-RFE的数据处理结果 | 第26-27页 |
| ·潜在代谢标志物的筛选和分析 | 第27-32页 |
| ·本章小结 | 第32-33页 |
| 4 基于SVM-RFE和融合策略的算法EFSBS-SVM-RFE | 第33-41页 |
| ·SVM在烤烟模式识别中的应用 | 第33页 |
| ·样本不平衡问题及方法介绍 | 第33-35页 |
| ·EFSBS-SVM-RFE实验结果与讨论 | 第35-40页 |
| ·初烤烟数据介绍 | 第35-36页 |
| ·实验结果与分析 | 第36-39页 |
| ·EFSBS-SVM-RFE与线性判别分析之间的比较 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 5 Forward-RFE组合特征选择算法 | 第41-47页 |
| ·特征选择算法的不同搜索策略 | 第41页 |
| ·组合特征选择算法Forward-RFE | 第41-44页 |
| ·前向FFS-ACSA算法 | 第41-43页 |
| ·Forward-RFE算法 | 第43-44页 |
| ·Forward-RFE在公共数据集上的应用 | 第44-46页 |
| ·公共数据集信息描述 | 第44-45页 |
| ·实验结果及讨论 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 结论 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间发表学术论文情况 | 第53-54页 |
| 致谢 | 第54-55页 |
