基于多正则约束低秩矩阵分解的基因特征提取
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 基因数据处理研究现状 | 第11-12页 |
| 1.3 经典特征提取方法 | 第12-13页 |
| 1.4 本文的主要研究内容和章节安排 | 第13-15页 |
| 1.4.1 主要研究内容 | 第13页 |
| 1.4.2 章节安排 | 第13-15页 |
| 第二章 相关理论 | 第15-25页 |
| 2.1 基础知识 | 第15页 |
| 2.2 低秩矩阵分解 | 第15-19页 |
| 2.2.1 鲁棒主成分分析 | 第15-18页 |
| 2.2.2 低秩表示 | 第18-19页 |
| 2.3 流形学习 | 第19-22页 |
| 2.3.1 多维尺度变换 | 第20-21页 |
| 2.3.2 等距特征映射 | 第21页 |
| 2.3.3 局部线性嵌入 | 第21-22页 |
| 2.3.4 拉普拉斯特征映射 | 第22页 |
| 2.4 分类与聚类 | 第22-24页 |
| 2.4.1 K近邻分类器 | 第22-23页 |
| 2.4.2 稀疏表示分类器 | 第23-24页 |
| 2.4.3 K均值聚类 | 第24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于多正则约束非负矩阵分解的基因特征提取 | 第25-38页 |
| 3.1 引言 | 第25页 |
| 3.2 相关工作 | 第25-29页 |
| 3.2.1 非负矩阵分解 | 第25-27页 |
| 3.2.2 图正则非负矩阵分解 | 第27-29页 |
| 3.3 多正则约束非负矩阵分解模型 | 第29-31页 |
| 3.4 整体算法流程 | 第31-32页 |
| 3.5 实验分析 | 第32-37页 |
| 3.5.1 测试数据集的选择 | 第32页 |
| 3.5.2 特征提取维数对实验结果的影响 | 第32-34页 |
| 3.5.3 k近邻取值对识别精度的影响 | 第34-35页 |
| 3.5.4 流形正则系数对实验结果的影响 | 第35-36页 |
| 3.5.5 抑噪能力测试 | 第36页 |
| 3.5.6 算法复杂度分析 | 第36-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第四章 基于非负双图正则隐低秩表示的基因特征提取 | 第38-50页 |
| 4.1 引言 | 第38页 |
| 4.2 相关工作 | 第38-41页 |
| 4.2.1 低秩表示 | 第38-39页 |
| 4.2.2 隐低秩表示 | 第39-41页 |
| 4.3 非负双图正则隐低秩表示模型 | 第41-44页 |
| 4.4 整体算法流程 | 第44-45页 |
| 4.4.1 分类器设计 | 第44-45页 |
| 4.4.2 算法流程 | 第45页 |
| 4.5 实验分析 | 第45-49页 |
| 4.5.1 测试数据集选择 | 第45-46页 |
| 4.5.2 算法识别精度测试 | 第46-47页 |
| 4.5.3 图正则系数对特征提取效果的影响 | 第47页 |
| 4.5.4 稀疏表示系数对特征提取效果的影响 | 第47-48页 |
| 4.5.5 算法复杂度分析 | 第48-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50-51页 |
| 5.2 展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士学位期间的研究成果 | 第57-58页 |
