基于特征子空间的质谱数据分析
| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 第1章 绪论 | 第11-15页 |
| ·课题研究背景 | 第11页 |
| ·蛋白质谱数据分析 | 第11-13页 |
| ·蛋白质谱数据的应用 | 第11-12页 |
| ·蛋白质谱数据分析方法 | 第12-13页 |
| ·本文的主要工作 | 第13-15页 |
| 第2章 质谱数据 | 第15-19页 |
| ·蛋白质芯片 | 第15页 |
| ·质谱技术 | 第15-16页 |
| ·蛋白质谱技术 | 第16-17页 |
| ·基于蛋白质谱数据的癌症诊断 | 第17-19页 |
| 第3章 数据预处理 | 第19-25页 |
| ·数据的预处理 | 第19-20页 |
| ·数据标准化 | 第19页 |
| ·数据中心化和白化 | 第19-20页 |
| ·T-TEST 检验方法 | 第20-21页 |
| ·主成分分析 | 第21-23页 |
| ·主元余像集主成分分析 | 第23-25页 |
| 第4章 独立成分分析 | 第25-39页 |
| ·独立成分分析发展历程 | 第25页 |
| ·独立成分分析问题模型 | 第25-26页 |
| ·独立成分分析原理 | 第26-32页 |
| ·信息论 | 第26-29页 |
| ·独立性判据 | 第29-32页 |
| ·传统独立成分分析算法 | 第32-36页 |
| ·Infomax 算法 | 第32-34页 |
| ·快速ICA 算法 | 第34-36页 |
| ·监督式独立成分分析算法 | 第36-39页 |
| 第5章 分类器 | 第39-47页 |
| ·支持向量机 | 第39-43页 |
| ·统计学习理论 | 第39-41页 |
| ·线性可分支持向量机 | 第41-42页 |
| ·非线性可分支持向量机 | 第42-43页 |
| ·线性判别分析 | 第43-47页 |
| ·LDA 的基本思想 | 第44-46页 |
| ·LDA 存在的问题 | 第46-47页 |
| 第6章 本文所提出的方法 | 第47-70页 |
| ·实验数据 | 第47页 |
| ·实验步骤 | 第47-49页 |
| ·实验目的 | 第49-50页 |
| ·结果评价方法与标准 | 第50-51页 |
| ·降维实验 | 第51-60页 |
| ·FastIca 实验 | 第52-56页 |
| ·监督式ICA 实验 | 第56-59页 |
| ·实验小结 | 第59-60页 |
| ·独立成分实验 | 第60-64页 |
| ·FastIca 实验 | 第60-62页 |
| ·监督式ICA 实验 | 第62-64页 |
| ·实验小结 | 第64页 |
| ·分类器实验 | 第64-67页 |
| ·FastIca 实验 | 第64-65页 |
| ·监督式ICA 实验 | 第65-66页 |
| ·实验小结 | 第66-67页 |
| ·本章小结 | 第67-70页 |
| 第7章 结论 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 致谢 | 第76-77页 |
| 在学期间主要科研成果 | 第77页 |
