| 摘要 | 第1页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-16页 |
| ·研究的背景 | 第7页 |
| ·生物信息学 | 第7-10页 |
| ·生物信息学的概念及产生背景 | 第7-8页 |
| ·当前生物信息学研究的主要内容和发展趋势 | 第8-10页 |
| ·基因芯片技术概述 | 第10-12页 |
| ·基因芯片技术简介 | 第10-11页 |
| ·微阵列基因表达数据及其数据分析 | 第11-12页 |
| ·数据挖掘技术概述 | 第12-14页 |
| ·数据挖掘的概念 | 第12-13页 |
| ·数据挖掘的功能 | 第13-14页 |
| ·数据挖掘的常用技术 | 第14页 |
| ·数据挖掘技术在生物信息学中的应用 | 第14-15页 |
| ·本文的主要安排 | 第15-16页 |
| 第二章 分类挖掘概述 | 第16-24页 |
| ·分类分析概述 | 第16-17页 |
| ·分类分析的定义 | 第16页 |
| ·分类的基本步骤 | 第16-17页 |
| ·主要的分类算法 | 第17-19页 |
| ·K-最邻近分类 | 第17-18页 |
| ·遗传算法 | 第18页 |
| ·粗糙集方法 | 第18页 |
| ·模糊集方法 | 第18-19页 |
| ·数据挖掘对分类法的要求和评估 | 第19-21页 |
| ·数据挖掘对分类算法的要求 | 第19-20页 |
| ·分类算法的评估 | 第20-21页 |
| ·国内外生物信息学分类技术的研究水平、现状和发展趋势 | 第21-23页 |
| ·生物信息学分类技术的研究水平和现状 | 第21-22页 |
| ·生物信息学分类技术面临的问题和挑战 | 第22-23页 |
| ·生物信息学数据分类技术的发展趋势 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第三章 综合计算智能的分类算法研究 | 第24-41页 |
| ·计算智能简介 | 第24-25页 |
| ·对数据集的总体特征分析 | 第25-26页 |
| ·遗传算法和 KNN分类算法 | 第26-30页 |
| ·基于信噪比的特征提取和 KNN分类算法 | 第26-27页 |
| ·遗传算法 | 第27-30页 |
| ·基于粗糙集的特征提取和分类 | 第30-40页 |
| ·粗糙集理论的基本概念 | 第30-35页 |
| ·基于遗传算法和粗集的特征提取 | 第35-38页 |
| ·基于粗集的分类 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 分类算法的设计、实现及结果分析 | 第41-54页 |
| ·系统的总体框架 | 第41-42页 |
| ·系统实现环境和输入数据的格式要求 | 第42-43页 |
| ·系统的实现环境 | 第42页 |
| ·输入数据的格式规范 | 第42-43页 |
| ·算法的设计实现、相关结果及分析 | 第43-53页 |
| ·数据总体特征分析 | 第43-45页 |
| ·基于信噪比方法的特征提取entropyGS | 第45-46页 |
| ·遗传算法和粗集相融合的特征基因提取和约简 | 第46-51页 |
| ·粗集分类模型 | 第51页 |
| ·KNN分类模型 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 实验结果的分析和讨论 | 第54-58页 |
| ·实验数据的选取 | 第54页 |
| ·实验的结果 | 第54-58页 |
| ·实验的数据结果 | 第54-56页 |
| ·实验的结果数据分析 | 第56-58页 |
| 第六章 结论与展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士期间发表论文情况 | 第64页 |