基于聚类分析和智能优化特征选择的基因微阵列数据分类
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 微阵列简介 | 第7页 |
| 1.2 研究方法及意义 | 第7-9页 |
| 1.3 国内外研究现状 | 第9-10页 |
| 1.4 本文工作 | 第10-11页 |
| 1.5 章节安排 | 第11-13页 |
| 第二章 相关理论 | 第13-29页 |
| 2.1 特征选择 | 第13-17页 |
| 2.1.1 特征选择定义 | 第13-15页 |
| 2.1.2 特征选择分类 | 第15-17页 |
| 2.1.3 特征选择输出形式 | 第17页 |
| 2.2 特征选择常用算法 | 第17-20页 |
| 2.2.1 基于 Filter 类的算法 | 第17-19页 |
| 2.2.2 基于 Wrapper 类的算法 | 第19-20页 |
| 2.3 分类器及分类评估 | 第20-23页 |
| 2.3.1 分类器 | 第20-22页 |
| 2.3.2 分类的评估准则 | 第22-23页 |
| 2.4 集成特征选择 | 第23-28页 |
| 2.4.1 集成学习方法 | 第23-25页 |
| 2.4.2 特征选择的稳定性问题 | 第25-26页 |
| 2.4.3 集成特征选择 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于聚类和智能优化的特征选择方法 | 第29-39页 |
| 3.1 算法引入 | 第29-30页 |
| 3.2 基于 SU 的特征聚类 | 第30-34页 |
| 3.2.1 近邻传播聚类 | 第31-33页 |
| 3.2.2 聚类的相似度矩阵 | 第33-34页 |
| 3.3 基于聚类的混合特征选择算法 | 第34-38页 |
| 3.3.1 算法思想形成 | 第34-35页 |
| 3.3.2 算法描述 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 实验结果与分析 | 第39-49页 |
| 4.1 实验数据 | 第39-40页 |
| 4.2 实验分析与讨论 | 第40-45页 |
| 4.2.1 算法设计与实验结果 | 第40-43页 |
| 4.2.2 相似性度量的选择 | 第43-44页 |
| 4.2.3 聚类结果的选取 | 第44页 |
| 4.2.4 Filter 必要性验证 | 第44-45页 |
| 4.3 与其他方法的对比实验 | 第45-48页 |
| 4.3.1 和经典算法对比 | 第45-47页 |
| 4.3.2 与其它文献方法对比 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 致谢 | 第51-53页 |
| 参考文献 | 第53-57页 |
