基于离子群优化的集成学习方法在基因微阵列数据分类中的应用
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·DNA 微阵列简介 | 第7-9页 |
| ·微阵列数据分析发展现状 | 第9-11页 |
| ·论文的主要工作及章节安排 | 第11-13页 |
| 第二章 相关理论介绍 | 第13-27页 |
| ·集成学习 | 第13-21页 |
| ·集成学习的起源 | 第13-14页 |
| ·集成学习有效的原因 | 第14-17页 |
| ·集成学习的主要方法 | 第17-19页 |
| ·集成学习在基因微阵列数据上的应用 | 第19-21页 |
| ·粒子群优化 | 第21-24页 |
| ·标准粒子群算法 | 第21-22页 |
| ·粒子群算法中的一些改进 | 第22-23页 |
| ·离散粒子群优化算法 | 第23-24页 |
| ·粒子群算法的特点 | 第24页 |
| ·本章小结 | 第24-27页 |
| 第三章 基于粒子群的集成特征选择 | 第27-37页 |
| ·特征选择方法 | 第27-29页 |
| ·现有特征选择方法的应用与不足 | 第27-28页 |
| ·集成特征选择方法 | 第28-29页 |
| ·基于粒子群优化的集成特征选择算法设计 | 第29-32页 |
| ·EFS-PSO 算法流程设计 | 第30页 |
| ·EFS-PSO 算法详细设计 | 第30-32页 |
| ·实验及结果分析 | 第32-35页 |
| ·实验数据集 | 第32-33页 |
| ·参数设置 | 第33页 |
| ·实验结果比较与分析 | 第33-35页 |
| ·本章小结 | 第35-37页 |
| 第四章 结合聚类算法的集成独立分量选择 | 第37-47页 |
| ·独立分量分析 | 第37-39页 |
| ·独立分量分析概述 | 第37-38页 |
| ·主分量分析（PCA） | 第38-39页 |
| ·独立分量在微阵列数据上的应用 | 第39页 |
| ·基于粒子群优化的集成独立分量选择 | 第39-43页 |
| ·EICA-PSO 算法流程设计 | 第40页 |
| ·EICA-PSO 算法详细设计 | 第40-43页 |
| ·实验与结果分析 | 第43-46页 |
| ·实验数据与参数设置 | 第43页 |
| ·实验结果与比较 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 总结和展望 | 第47-49页 |
| 致谢 | 第49-51页 |
| 参考文献 | 第51-57页 |
| 作者在读期间研究成果 | 第57-58页 |
