首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

基于稀疏表示的基因表达谱数据挖掘方法研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第12-18页
    1.1 引言第12-13页
    1.2 研究背景及意义第13-14页
    1.3 国内外研究现状第14-16页
    1.4 论文研究内容与结构安排第16-18页
        1.4.1 主要研究内容第16-17页
        1.4.2 论文结构安排第17-18页
第2章 基因表达谱数据特征选择及分类第18-32页
    2.1 引言第18页
    2.2 基因表达谱数据简介第18-23页
        2.2.1 基因表达谱数据的获取及表示第18-21页
        2.2.2 基因表达数据的特点第21-22页
        2.2.3 常用基因表达谱数据库第22-23页
    2.3 特征基因选择第23-26页
        2.3.1 过滤法第24页
        2.3.2 缠绕法第24-25页
        2.3.3 嵌入法第25-26页
    2.4 分类算法第26-30页
        2.4.1 支持向量机第26-29页
        2.4.2 K近邻分类器第29-30页
        2.4.3 贝叶斯分类器第30页
    2.5 分类性能评估第30-31页
    2.6 小结第31-32页
第3章 基于稀疏表示的基因选择方法第32-44页
    3.1 引言第32页
    3.2 基于稀疏表示的相似性度量第32-35页
        3.2.1 稀疏表示系数第33-34页
        3.2.2 基因与基因的相关性第34页
        3.2.3 基因与类别的相关性第34-35页
    3.3 基于稀疏表示的基因选择算法第35-38页
        3.3.1 算法框架与相关定义第35-36页
        3.3.2 算法描述与分析第36-38页
    3.4 实验与分析第38-42页
        3.4.1 实验数据集及数据归一化第39-40页
        3.4.2 C-强相关基因的选择第40页
        3.4.3 实验结果与分析第40-42页
    3.5 小结第42-44页
第4章 基于K-SVD的稀疏表示分类方法第44-57页
    4.1 引言第44页
    4.2 K-SVD算法第44-45页
    4.3 稀疏表示分类方法第45-47页
    4.4 算法描述第47-50页
        4.4.1 分类稀疏字典学习第48-49页
        4.4.2 稀疏表示分类阶段第49-50页
    4.5 实验数据及参数设置第50-51页
        4.5.1 实验数据第50-51页
        4.5.2 参数设置第51页
    4.6 实验结果与分析第51-56页
    4.7 小结第56-57页
结论第57-59页
参考文献第59-64页
附录A 攻读学位期间所发表的学术论文及所参加项目第64-65页
致谢第65页

论文共65页,点击 下载论文
上一篇:视觉显著性检测方法及其应用研究
下一篇:异构集群系统上基于入侵式杂草算法的任务调度研究