| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-17页 |
| ·变量选择问题 | 第7-9页 |
| ·变量选择问题的背景 | 第7页 |
| ·机器学习与变量选择 | 第7-9页 |
| ·变量选择方法的研究现状 | 第9页 |
| ·常用的变量选择方法 | 第9-13页 |
| ·Filter 类方法 | 第10-11页 |
| ·Wrapper 类方法 | 第11-12页 |
| ·Embedded 类方法 | 第12-13页 |
| ·基于偏最小二乘的变量选择 | 第13-15页 |
| ·偏最小二乘算法 | 第13-14页 |
| ·基于 PLS 的变量选择方法 | 第14-15页 |
| ·本文的研究内容 | 第15-17页 |
| 第二章 基于变量加权高斯过程的近红外光谱数据分析 | 第17-32页 |
| ·引言 | 第17页 |
| ·问题描述 | 第17-19页 |
| ·基于变量加权的高斯过程 | 第19-24页 |
| ·常规的高斯过程回归分析 | 第19-22页 |
| ·新的基于 PLS 变量加权的 PWGP 算法 | 第22-24页 |
| ·数据和模型评价方法 | 第24-26页 |
| ·数据集简介 | 第24-25页 |
| ·模型评价方法 | 第25-26页 |
| ·PWGP 算法在光谱数据分析中的应用 | 第26-31页 |
| ·PWGP 应用于猪肉样品的脂肪检验 | 第27-28页 |
| ·PWGP 应用于酒精含量预测 | 第28-30页 |
| ·PWGP 应用于糖类中水分的预测 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于 ZEPLS 的必需基因识别 | 第32-49页 |
| ·引言 | 第32页 |
| ·问题描述 | 第32-34页 |
| ·基于无信息变量消除的 PLS 变量选择 | 第34-37页 |
| ·DNA 序列的 Z 曲线方法 | 第34-36页 |
| ·基于 UVE 的 ZEPLS 算法 | 第36-37页 |
| ·数据和方法 | 第37-41页 |
| ·数据库 | 第37页 |
| ·特征提取 | 第37-40页 |
| ·模型评价 | 第40-41页 |
| ·结果和讨论 | 第41-47页 |
| ·以 EC 和 BS 为训练样本的交叉物种必需基因预测 | 第41-43页 |
| ·根据不同重叠率得到的交叉物种预测 | 第43页 |
| ·与其他的方法比较 | 第43-46页 |
| ·最重要的 50 个特征 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 第四章 结论和展望 | 第49-51页 |
| 参考文献 | 第51-59页 |
| 发表论文和参加科研情况说明 | 第59-60页 |
| 致谢 | 第60页 |