基因识别和微阵列数据识别算法研究

内容提要	第1-8页
第一章 绪论	第8-17页
·研究背景	第8-14页
·生物信息学	第8-9页
·基因识别	第9-11页
·微阵列数据识别	第11-12页
·生物信息学中的机器学习方法	第12-14页
·本文工作	第14-17页
·研究目的	第14页
·研究内容	第14-15页
·研究结果	第15-17页
第二章 基因识别和微阵列数据识别	第17-36页
·引言	第17-18页
·编码蛋白质基因识别	第18-26页
·原核生物基因组	第19-20页
·真核生物基因组	第20-21页
·基因识别算法	第21-26页
·必需基因识别	第26-28页
·微阵列癌症噪声数据识别	第28-35页
·微阵列技术简介	第28-29页
·基因表达数据	第29-30页
·基因表达数据分析的特点	第30页
·基因微阵列分类	第30-32页
·微阵列噪声数据类型与识别技术	第32-34页
·微阵列噪声数据识别在癌症诊断领域的意义	第34-35页
·小结	第35-36页
第三章 机器学习相关算法	第36-62页
·引言	第36-38页
·人工神经网络	第38-47页
·人工神经网络模型	第38-41页
·多层前向神经网络	第41-43页
·自适应网络	第43-44页
·径向基函数神经网络	第44-47页
·遗传算法	第47-51页
·遗传算法的基本流程	第47-49页
·模式定理和遗传算法的隐并行性	第49-51页
·支持向量机	第51-61页
·传统概率统计分析	第51-54页
·统计学习理论	第54-56页
·支持向量机	第56-58页
·加权支持向量机	第58-60页
·支持向量机研究中的一些难点问题	第60-61页
·小结	第61-62页
第四章 编码蛋白质基因识别算法研究	第62-74页
·引言	第62-63页
·编码蛋白质基因识别问题形式化描述	第63-65页
·基于公平权值的径向基神经网络基因识别算法	第65-71页
·算法思想	第65-66页
·工具选取	第66-67页
·准确率参数	第67-68页
·计算参数公平权值的遗传算法	第68-69页
·基于径向基神经网络的基因识别融合方法	第69-71页
·实验结果	第71-73页
·小结	第73-74页
第五章 必需基因识别方法研究	第74-91页
·引言	第74-75页
·必需基因识别的人工神经网络方法	第75-87页
·基本思想	第75页
·实验数据与处理	第75-78页
·人工神经网络模型	第78-82页
·实验结果	第82-87页
·必需基因识别的支持向量机方法	第87-90页
·小结	第90-91页
第六章 微阵列噪声数据识别算法研究	第91-110页
·引言	第91-92页
·微阵列癌症数据误标记样本和异常样本识别算法	第92-98页
·问题描述	第92页
·广义CL-stability 算法概述	第92-93页
·Cl-stability 算法	第93-94页
·广义Cl-stability 算法思想与描述	第94-97页
·广义消融Cl-stability 算法	第97-98页
·实验结果	第98-108页
·实验数据	第98-103页
·样本识别准确率评价参数	第103-104页
·实验结果与分析	第104-108页
·小结	第108-110页
第七章 总结与展望	第110-114页
·本文工作总结	第110-111页
·展望	第111-114页
参考文献（References）	第114-126页
作者博士期间发表的论文和参与的项目	第126-128页
学位论文摘要	第128-131页
学位论文摘要（Abstract）	第131-135页
致谢	第135页