摘要 | 第4-6页 |
ABSTRACT | 第6-8页 |
缩略词表 | 第12-13页 |
第1章 绪论 | 第13-19页 |
1.1 研究背景与意义 | 第13页 |
1.2 基因芯片技术 | 第13-15页 |
1.3 肿瘤基因表达谱数据 | 第15-18页 |
1.4 论文主要工作与结构安排 | 第18-19页 |
第2章 肿瘤分类与信息基因选择 | 第19-34页 |
2.1 引言 | 第19页 |
2.2 常用分类器 | 第19-24页 |
2.2.1 线性判别分析和二次判别分析 | 第19-21页 |
2.2.2 朴素贝叶斯 | 第21页 |
2.2.3 k近邻法 | 第21页 |
2.2.4 决策树法 | 第21-22页 |
2.2.5 支持向量机 | 第22-24页 |
2.3 信息基因选择 | 第24-32页 |
2.3.1 过滤法 | 第24-29页 |
2.3.2 缠绕法 | 第29-31页 |
2.3.3 嵌入法 | 第31-32页 |
2.4 本章小结 | 第32-34页 |
第3章 基于BMSF的肿瘤信息基因选择 | 第34-54页 |
3.1 引言 | 第34-35页 |
3.2 BMSF信息基因选择方法 | 第35-37页 |
3.2.1 二元矩阵重排过滤法粗筛 | 第36-37页 |
3.2.2 多轮末尾淘汰法精筛 | 第37页 |
3.3 基于SVC的信息基因显著性测验法 | 第37-38页 |
3.4 实验与结果分析 | 第38-52页 |
3.4.1 实验数据 | 第38页 |
3.4.2 信息基因选择结果 | 第38-39页 |
3.4.3 留一法分类结果分析 | 第39-42页 |
3.4.4 基因之间的相关性分析 | 第42-43页 |
3.4.5 BMSF多次运行所选基因的可变性及其联合效应 | 第43-48页 |
3.4.6 BMSF与常用过滤法之间的参比 | 第48-50页 |
3.4.7 BMSF与随机森林、SVM-RFE的比较分析 | 第50-52页 |
3.5 本章小结 | 第52-54页 |
第4章 基于TSG的肿瘤信息基因选择 | 第54-75页 |
4.1 引言 | 第54页 |
4.2 TSP家族算法介绍 | 第54-61页 |
4.2.1 TSP算法 | 第55-56页 |
4.2.2 K-TSP算法 | 第56-57页 |
4.2.3 HC-TSP和HC-k-TSP算法 | 第57-58页 |
4.2.4 TSP家族的优缺点 | 第58-61页 |
4.3 TSG信息基因选择算法 | 第61-66页 |
4.3.1 基因集的得分 | 第61-63页 |
4.3.2 训练集的留一法交叉测试 | 第63-64页 |
4.3.3 信息基因选择 | 第64-65页 |
4.3.4 基于TSG的独立预测 | 第65-66页 |
4.4 实验与结果分析 | 第66-73页 |
4.4.1 实验数据 | 第66页 |
4.4.2 二分类数据集的留一法分类结果分析 | 第66-69页 |
4.4.3 多分类数据集的独立预测结果分析 | 第69-72页 |
4.4.4 TSG分类器的解释规则 | 第72-73页 |
4.5 本章小结 | 第73-75页 |
第5章 基于χ~2-IRG-DC的肿瘤信息基因选择 | 第75-88页 |
5.1 引言 | 第75-76页 |
5.2 χ~2-IRG-DC信息基因选择算法 | 第76-78页 |
5.2.1 基因重要性加权综合排序 | 第76-78页 |
5.2.2 基于互作和卡方测验的直接分类器χ~2-DC | 第78页 |
5.2.3 基因序贯引入与去冗余获取信息基因 | 第78页 |
5.2.4 独立预测 | 第78页 |
5.3 实验与结果分析 | 第78-86页 |
5.3.1 实验数据 | 第78页 |
5.3.2 参比模型 | 第78-79页 |
5.3.3 不同模型的预测精度与信息基因个数比较 | 第79-81页 |
5.3.4 鲁棒性分析—不同模型泛化性能比较 | 第81-84页 |
5.3.5 鲁棒性分析—特征选择方法比较 | 第84-86页 |
5.3.6 鲁棒性分析—分类器比较 | 第86页 |
5.4 本章小结 | 第86-88页 |
第6章 结论与展望 | 第88-90页 |
6.1 主要结论 | 第88-89页 |
6.2 今后工作展望 | 第89-90页 |
参考文献 | 第90-99页 |
附录 | 第99-110页 |
致谢 | 第110-111页 |
作者简历 | 第111-112页 |
攻读博士学位期间科研学术成果目录 | 第112-113页 |