| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究背景及意义 | 第9-10页 |
| ·研究背景 | 第9-10页 |
| ·研究意义 | 第10页 |
| ·国内外研究综述 | 第10-11页 |
| ·研究思路与方法 | 第11-12页 |
| ·研究思路 | 第11-12页 |
| ·研究方法 | 第12页 |
| ·研究的创新点 | 第12-13页 |
| 第2章 稀疏矩阵分解理论与差异特征识别 | 第13-15页 |
| ·稀疏矩阵分解理论概述 | 第13页 |
| ·差异特征识别概述 | 第13-15页 |
| ·基因表达数据及其特点 | 第13-14页 |
| ·特征基因识别 | 第14-15页 |
| 第3章 基于L2,1-norm的非负矩阵分解算法及其在差异特征识别中的应用 | 第15-28页 |
| ·L2,1-norm | 第16页 |
| ·标准的非负矩阵分解算法 | 第16页 |
| ·基于L2,1-norm的非负矩阵分解算法 | 第16-18页 |
| ·NMFL2,1 在差异特征识别中的应用 | 第18-19页 |
| ·实验结果与讨论 | 第19-27页 |
| ·在植物数据集上的实验结果与分析 | 第19-26页 |
| ·在癌症数据集上的实验结果与分析 | 第26-27页 |
| ·小结 | 第27-28页 |
| 第4章 鲁棒性图正则非负矩阵分解算法及其在差异特征识别中的应用 | 第28-38页 |
| ·流形学习方法 | 第28-30页 |
| ·等距映射(ISOMAP) | 第29页 |
| ·局部线性嵌入(LLE) | 第29-30页 |
| ·鲁棒性图正则非负矩阵分解算法 | 第30-31页 |
| ·鲁棒性图正则非负矩阵分解算法及其在差异特征识别中的应用 | 第31-32页 |
| ·实验结果与讨论 | 第32-37页 |
| ·白血病数据实验结果与分析 | 第32-33页 |
| ·髓母细胞瘤数据实验结果与分析 | 第33-35页 |
| ·弥漫性大B淋巴细胞瘤数据实验结果与分析 | 第35-36页 |
| ·肺癌数据实验结果与分析 | 第36-37页 |
| ·小结 | 第37-38页 |
| 第5章 分块稀疏约束的非负矩阵分解算法及其在TCGA数据库中的应用 | 第38-44页 |
| ·TCGA数据库 | 第39-40页 |
| ·分块稀疏约束 | 第40页 |
| ·分块稀疏约束方法在TCGA上的应用 | 第40-41页 |
| ·实验结果与分析 | 第41-42页 |
| ·小结 | 第42-44页 |
| 第6章 结论与展望 | 第44-46页 |
| ·研究结论 | 第44页 |
| ·研究不足及展望 | 第44-46页 |
| ·研究的不足 | 第44-45页 |
| ·研究的展望 | 第45-46页 |
| 参考文献 | 第46-51页 |
| 在读期间发表的学术论文及研究成果 | 第51-53页 |
| 致谢 | 第53页 |
