基因微阵列数据的SVM分类器优化方法
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-15页 |
| ·问题的提出与研究意义 | 第8-9页 |
| ·选题背景及研究现状 | 第9-13页 |
| ·基因微阵列数据的研究现状 | 第9-10页 |
| ·SVM 的研究现状 | 第10-12页 |
| ·SVM 在基因微阵列数据中的应用 | 第12-13页 |
| ·本文的创新点及主要研究内容 | 第13-15页 |
| 第二章 支持向量机理论研究 | 第15-24页 |
| ·统计学习理论 | 第15-19页 |
| ·机器学习基本问题和方法 | 第15-16页 |
| ·经验风险最小化原则 | 第16-17页 |
| ·VC 维 | 第17页 |
| ·推广能力的界 | 第17-18页 |
| ·结构风险最小化 | 第18-19页 |
| ·支持向量机理论 | 第19-23页 |
| ·最优分类面 | 第19页 |
| ·线性支持向量机 | 第19-21页 |
| ·非线性支持向量机 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 降维方法概述 | 第24-33页 |
| ·线性降维技术 | 第24-26页 |
| ·PCA 算法 | 第24-25页 |
| ·多维尺度变换算法 | 第25-26页 |
| ·非线性降维技术 | 第26-32页 |
| ·等距特征映射算法（Isomap） | 第26-28页 |
| ·局部线性嵌入算法（LLE） | 第28-30页 |
| ·拉普拉斯特征映射算法（LEM） | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 采用降维策略的SVM 分类器设计 | 第33-44页 |
| ·方法介绍 | 第33页 |
| ·分类器的设计与实现 | 第33-34页 |
| ·SVM 分类器设计 | 第33-34页 |
| ·数据预处理方法 | 第34页 |
| ·FSC 基因筛选策略 | 第34页 |
| ·多指标评估办法 | 第34-36页 |
| ·仿真结果分析 | 第36-43页 |
| ·实验数据来源 | 第36-37页 |
| ·分类器算法流程 | 第37-38页 |
| ·分类性能比较分析 | 第38-39页 |
| ·数据可视化分析 | 第39-42页 |
| ·聚类评估 | 第42页 |
| ·算法耗时评估 | 第42-43页 |
| ·结果与讨论 | 第43-44页 |
| 第五章 全文总结 | 第44-45页 |
| ·研究工作总结 | 第44页 |
| ·后续研究工作的展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48-49页 |
| 在学期间公开发表论文及著作情况 | 第49页 |
