| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-14页 |
| 1.1 生物信息学的研究背景 | 第8页 |
| 1.2 基因表达数据分析的意义 | 第8-10页 |
| 1.3 基因表达数据聚类分析的研究现状 | 第10-11页 |
| 1.4 课题研究内容 | 第11-12页 |
| 1.5 论文组织结构 | 第12-14页 |
| 2 研究方法概述 | 第14-24页 |
| 2.1 聚类算法研究 | 第14-18页 |
| 2.1.1 聚类分析概述 | 第14-15页 |
| 2.1.2 相似性度量方法 | 第15-16页 |
| 2.1.3 聚类结果评价标准 | 第16-18页 |
| 2.2 基因表达数据分析基础 | 第18-22页 |
| 2.2.1 基因表达矩阵 | 第18-20页 |
| 2.2.2 基因表达数据的预处理 | 第20-22页 |
| 2.3 基因表达数据聚类分析模型的搭建 | 第22-23页 |
| 2.3.1 模型设计 | 第22页 |
| 2.3.2 模型分析 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 基因表达数据聚类算法研究 | 第24-36页 |
| 3.1 传统的基因表达数据聚类算法 | 第24-30页 |
| 3.1.1 基于划分的方法 | 第24-26页 |
| 3.1.2 层次聚类算法 | 第26-28页 |
| 3.1.3 基于网格的方法 | 第28页 |
| 3.1.4 基于密度的方法 | 第28-29页 |
| 3.1.5 基于模型的方法 | 第29-30页 |
| 3.2 基于遗传算法的基因表达数据分析 | 第30-35页 |
| 3.2.1 遗传算法简介 | 第30-31页 |
| 3.2.2 遗传算法要素分析 | 第31-32页 |
| 3.2.3 遗传算法描述 | 第32-34页 |
| 3.2.4 基于遗传算法的基因表达数据聚类分析 | 第34-35页 |
| 3.3 本章小结 | 第35-36页 |
| 4 基于粒子群算法的基因表达数据聚类研究 | 第36-46页 |
| 4.1 群体智能算法简介 | 第36-37页 |
| 4.1.1 群体智能的概念 | 第36页 |
| 4.1.2 群体智能的特点 | 第36-37页 |
| 4.2 粒子群优化算法概述 | 第37-41页 |
| 4.2.1 算法基本思想 | 第37-38页 |
| 4.2.2 算法模型分析 | 第38-40页 |
| 4.2.3 算法流程 | 第40-41页 |
| 4.3 基于PSO的基因表达数据聚类分析 | 第41-43页 |
| 4.4 粒子群优化算法改进思想 | 第43-44页 |
| 4.4.1 k均值操作 | 第43页 |
| 4.4.2 自适应扰动策略 | 第43-44页 |
| 4.5 基于ADPSO-KM的基因表达数据聚类算法 | 第44-45页 |
| 4.6 本章小结 | 第45-46页 |
| 5 聚类仿真测试分析 | 第46-53页 |
| 5.1 实验数据选择 | 第46-47页 |
| 5.2 实验参数设置 | 第47页 |
| 5.3 实验结果分析 | 第47-52页 |
| 5.3.1 算法的稳定性 | 第47-48页 |
| 5.3.2 算法的收敛速度 | 第48-51页 |
| 5.3.3 聚类结果确认 | 第51-52页 |
| 5.4 本章小结 | 第52-53页 |
| 6 结束语 | 第53-55页 |
| 6.1 研究工作总结 | 第53页 |
| 6.2 下一步研究内容 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 攻读学位期间主要的研究成果目录 | 第60-61页 |
| 致谢 | 第61页 |