| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-16页 |
| ·研究背景及意义 | 第11-12页 |
| ·基因表达数据 | 第12-14页 |
| ·基因芯片概述 | 第12-13页 |
| ·基因表达谱数据的获取 | 第13-14页 |
| ·常用数据库介绍 | 第14页 |
| ·论文安排 | 第14-16页 |
| 第2章 基因表达数据的双聚类分析 | 第16-31页 |
| ·传统聚类分析 | 第16-21页 |
| ·聚类分析概述 | 第16-17页 |
| ·常用聚类算法简述 | 第17-20页 |
| ·传统聚类方法的不足 | 第20-21页 |
| ·双聚类方法 | 第21-30页 |
| ·双聚类算法的提出 | 第21页 |
| ·双聚类与传统聚类的区别 | 第21-22页 |
| ·双聚类概念 | 第22-23页 |
| ·双聚类类型 | 第23-25页 |
| ·常用双聚类算法介绍 | 第25-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 多目标进化算法 | 第31-43页 |
| ·多目标进化算法 | 第31-37页 |
| ·多目标进化算法的提出 | 第31页 |
| ·多目标优化问题模型 | 第31-32页 |
| ·Pareto 最优解 | 第32-33页 |
| ·弱化的 Pareto 支配关系 | 第33-36页 |
| ·文档种群修剪 | 第36-37页 |
| ·粒子群算法概述 | 第37-39页 |
| ·基本原理 | 第37-39页 |
| ·粒子群算法流程 | 第39页 |
| ·PSO 算法的缺点 | 第39页 |
| ·基于 PSO 算法的多目标优化 | 第39-42页 |
| ·多目标粒子群算法 | 第39-40页 |
| ·多目标粒子群算法的分类 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 整合贪婪随机构造与多目标粒子群模型的双聚类算法 | 第43-55页 |
| ·引言 | 第43页 |
| ·算法设计 | 第43-45页 |
| ·适应度函数 | 第43-44页 |
| ·双聚类编码 | 第44页 |
| ·参数选择 | 第44-45页 |
| ·算法流程 | 第45-51页 |
| ·基本流程 | 第45-46页 |
| ·贪婪随机构造阶段 | 第46-48页 |
| ·多目标粒子群全局搜索阶段 | 第48-51页 |
| ·实验分析 | 第51-54页 |
| ·数据集测试 | 第51-52页 |
| ·实验比较分析 | 第52-53页 |
| ·基因聚类的生物注释富集分析 | 第53-54页 |
| ·本章总结 | 第54-55页 |
| 第5章 总结和展望 | 第55-57页 |
| ·全文总结 | 第55页 |
| ·展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |