| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-19页 |
| ·微阵列技术出现的历史背景 | 第12-13页 |
| ·基因微阵列芯片的主要类型 | 第13-15页 |
| ·DNA 微阵列数据分析发展现状 | 第15-18页 |
| ·本文的内容安排 | 第18-19页 |
| 第二章 微阵列数据分类方法综述 | 第19-37页 |
| ·微阵列数据分析的一些生物背景知识和肿瘤分类问题的介绍 | 第19-20页 |
| ·肿瘤分类问题 | 第20-23页 |
| ·微阵列数据分析的一些术语和问题的描述 | 第21页 |
| ·挑战 | 第21-22页 |
| ·公开可下载的肿瘤数据集 | 第22-23页 |
| ·肿瘤分类方法 | 第23-36页 |
| ·Fisher 线性判别分析 | 第23-24页 |
| ·信息基因权重投票法---GS 法 | 第24-25页 |
| ·概率推导：朴素贝叶斯方法 | 第25-26页 |
| ·人工神经网络 | 第26-27页 |
| ·决策树 | 第27页 |
| ·最近邻分析法（Nearest Neighbor, NN） | 第27-29页 |
| ·基于聚类的方法---CAST | 第29页 |
| ·支持向量机 | 第29-31页 |
| ·集成分类器--Boosting 算法 | 第31-32页 |
| ·几种方法的比较 | 第32-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 多分类器集成系统 | 第37-52页 |
| ·多分类器集成系统的研究历史 | 第37-39页 |
| ·多分类器集成系统成功的原因 | 第39-40页 |
| ·多分类器集成系统构建的一些常见方法 | 第40-47页 |
| ·基分类器的生成 | 第41-42页 |
| ·基分类器的选择 | 第42-43页 |
| ·分类器间的关系 | 第43页 |
| ·分类器输出的集成决策方法 | 第43-47页 |
| ·差异度测度 | 第47-50页 |
| ·常见的差异度测度 | 第47-49页 |
| ·差异度与精确度的关系 | 第49-50页 |
| ·差异度的可视化 | 第50页 |
| ·本章小结 | 第50-52页 |
| 第四章 基于遗传规划的多类微阵列数据分析和跨平台数据分析 | 第52-85页 |
| ·遗传规划概述 | 第53-55页 |
| ·基于遗传规划的多类特征选择算法 | 第55-64页 |
| ·基于遗传规划的多类判别分析 | 第55-57页 |
| ·个体的结构 | 第57-59页 |
| ·个体的生成 | 第59-63页 |
| ·运算符与适应度函数的设计 | 第63-64页 |
| ·实验结果与分析 | 第64-81页 |
| ·实验设定 | 第64-65页 |
| ·实验结果与分析 | 第65-70页 |
| ·生物学意义分析 | 第70-81页 |
| ·遗传规划算法在微阵列跨数据平台下的应用 | 第81-82页 |
| ·实验数据及结果分析 | 第82-84页 |
| ·本章小结 | 第84-85页 |
| 总结与展望 | 第85-87页 |
| 1 本文的主要工作与创新点 | 第85页 |
| 2 进一步的工作展望 | 第85-87页 |
| 参考文献 | 第87-97页 |
| 致谢 | 第97-98页 |
| 在读期间发表的学术论文与取得的研究成果 | 第98页 |
