| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-20页 |
| ·研究背景和意义 | 第13-14页 |
| ·微阵列技术概述 | 第14-18页 |
| ·微阵列数据的获取 | 第14-15页 |
| ·微阵列基因表达数据的特点 | 第15-16页 |
| ·基因表达数据分析 | 第16-17页 |
| ·常用微阵列数据库 | 第17-18页 |
| ·论文的主要工作 | 第18-19页 |
| ·论文的组织结构 | 第19-20页 |
| 第2章 微阵列基因选择及样本分类 | 第20-31页 |
| ·引言 | 第20页 |
| ·基因选择 | 第20-22页 |
| ·过滤法 | 第21页 |
| ·缠绕法 | 第21-22页 |
| ·样本分类 | 第22-30页 |
| ·支持向量机 | 第22-26页 |
| ·粗糙集分类器 | 第26-28页 |
| ·决策树 | 第28-29页 |
| ·k-最临近分类法 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于模糊相似系数和粗糙集的基因选择方法 | 第31-45页 |
| ·引言 | 第31页 |
| ·基于不同类样本区分度信息的特征选择算法 | 第31-34页 |
| ·分辨矩阵 | 第31-32页 |
| ·信息系统 S' | 第32-33页 |
| ·不同类样本区分度信息的特征选择算法描述 | 第33-34页 |
| ·一种新的基于类可分性测度的粗糙集特征选择方法 | 第34-38页 |
| ·类可分性判据 | 第34页 |
| ·构造分辨矩阵 | 第34页 |
| ·构造信息系统 S " | 第34-37页 |
| ·基于类可分性判据粗糙集特征选择方法描述 | 第37页 |
| ·算法步骤描述 | 第37-38页 |
| ·实验及结果对比分析 | 第38页 |
| ·基于模糊相似系数和粗糙集的基因选择方法 | 第38-41页 |
| ·模糊相似系数 | 第38-39页 |
| ·信息系统下的模糊相似系数 | 第39-40页 |
| ·构造信息系统S~(3) | 第40-41页 |
| ·基于模糊相似系数和粗糙集的基因选择方法描述 | 第41页 |
| ·实验及结果分析 | 第41-44页 |
| ·实验数据集及实验过程描述 | 第41页 |
| ·实验环境 | 第41-42页 |
| ·标准化 | 第42页 |
| ·建立模糊相似矩阵 | 第42页 |
| ·基于模糊相似系数和粗糙集的基因选择 | 第42-43页 |
| ·实验结果分析 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 多类微阵列数据分类方法 | 第45-56页 |
| ·引言 | 第45页 |
| ·支持向量机多类分类方法 | 第45-48页 |
| ·一对多支持向量机 | 第46页 |
| ·一对一支持向量机 | 第46页 |
| ·有向无环图支持向量机 | 第46-47页 |
| ·二叉树支持向量机 | 第47-48页 |
| ·基于超球体与最短距离的二叉树多类 SVM 分类算法 | 第48-52页 |
| ·构造二叉树 | 第48-49页 |
| ·度量函数 | 第49-51页 |
| ·算法描述 | 第51-52页 |
| ·实验及结果分析 | 第52-54页 |
| ·实验数据集 | 第52-53页 |
| ·实验环境 | 第53页 |
| ·基因选择 | 第53页 |
| ·多类分类 | 第53-54页 |
| ·实验结果分析 | 第54页 |
| ·本章小结 | 第54-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间发表的学术论文 | 第63-65页 |
| 致谢 | 第65-66页 |
| 详细摘要 | 第66-69页 |