基于基因表达数据的肿瘤分类方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-15页 |
| ·研究背景 | 第8-9页 |
| ·基因微阵列芯片技术 | 第9-11页 |
| ·基因表达数据的特征选择和分类现状 | 第11-13页 |
| ·基因表达数据的特征选择的国内外现状 | 第12-13页 |
| ·基因表达数据分类的国内外现状 | 第13页 |
| ·本文的内容安排 | 第13-15页 |
| 2 基因表达数据的预处理 | 第15-19页 |
| ·去负和数据转换 | 第15页 |
| ·异常点处理 | 第15-18页 |
| ·缺失值填补 | 第18页 |
| ·数据标准化 | 第18页 |
| ·本章小结 | 第18-19页 |
| 3 基于子空间的图嵌入降维算法 | 第19-28页 |
| ·子空间嵌入法 | 第19-24页 |
| ·谱图理论 | 第21-22页 |
| ·图嵌入降维算法的主要结构和方法 | 第22-24页 |
| ·基于子空间图嵌入的降维算法 | 第24-27页 |
| ·PCA 及其扩展 | 第24-25页 |
| ·LDA 及其扩展 | 第25页 |
| ·流行学习 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 4 谱回归分析降维算法 | 第28-43页 |
| ·嵌入降维观点 | 第28-30页 |
| ·谱回归降维算法 | 第30-33页 |
| ·谱回归算法 | 第31-33页 |
| ·算法分析 | 第33页 |
| ·实验结果分析 | 第33-42页 |
| ·实验说明 | 第34页 |
| ·实验结果分析 | 第34-42页 |
| ·本章小结 | 第42-43页 |
| 5 核空间 K-近邻—支持向量机混合分类算法 | 第43-55页 |
| ·典型分类算法介绍 | 第43-49页 |
| ·K-均值聚类 | 第44-45页 |
| ·K-近邻 | 第45-46页 |
| ·支持向量机 | 第46-49页 |
| ·核空间 K-近邻-支持向量机混合分类方法 | 第49-54页 |
| ·核空间 K-近邻 | 第49-50页 |
| ·实验结果及分析 | 第50-53页 |
| ·核空间 K-近邻-支持向量机 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 6 总结和展望 | 第55-57页 |
| ·总结 | 第55页 |
| ·展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62页 |
| A. 作者在攻读硕士学位期间发表的论文目录 | 第62页 |
