首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

癌症驱动通路的启发式识别方法研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第12-22页
    1.1 研究背景和意义第12-15页
    1.2 癌症数据(TCGA)概述第15-17页
        1.2.1 癌症数据的简介第15-16页
        1.2.2 TCGA数据的特点第16页
        1.2.3 TCGA数据的预处理第16-17页
    1.3 国内外研究现状第17-20页
        1.3.1 国外研究现状第17-19页
        1.3.2 国内研究现状第19-20页
    1.4 研究难点第20页
    1.5 主要研究目标和内容第20-21页
    1.6 论文结构安排第21-22页
第2章 相关理论基础第22-34页
    2.1 引言第22页
    2.2 主要问题模型第22-24页
    2.3 主要方法介绍第24-33页
        2.3.1 贪婪算法第24-25页
        2.3.2 马尔可夫—蒙特卡洛方法第25-28页
        2.3.3 二元线性规划模型(BLP)第28-30页
        2.3.4 遗传算法第30-33页
    2.4 本章小结第33-34页
第3章 混沌-多种群遗传算法的通路识别研究第34-48页
    3.1 引言第34-35页
    3.2 混沌理论第35-36页
    3.3 多种群遗传算法理论第36-37页
    3.4 混沌-多种群遗传算法描述第37-38页
    3.5 数据集描述第38-39页
    3.6 实验设置第39页
    3.7 实验结果分析第39-47页
        3.7.1 模拟数据对比第39-42页
        3.7.2 恶性胶质瘤结果对比第42-43页
        3.7.3 肺癌结果对比第43-44页
        3.7.4 头颈部鳞状细胞癌(HNSCC)结果对比第44-46页
        3.7.5 卵巢癌(OC)结果对比第46-47页
    3.8 本章小结第47-48页
第4章 多通路的驱动基因识别方法第48-58页
    4.1 引言第48-49页
    4.2 多通路识别方法的基本理论第49-52页
        4.2.1 Multi-Dendrix算法描述第49-50页
        4.2.2 CCMGA算法原理第50-52页
    4.3 协同混沌-遗传识别(CCMGA)算法第52页
    4.4 数据集描述第52-53页
    4.5 实验结果分析第53-57页
        4.5.1 模拟数据结果分析第53页
        4.5.2 临床数据结果分析第53-57页
    4.6 本章小结第57-58页
结论第58-60页
参考文献第60-67页
致谢第67-68页
附录A 攻读学位期间所发表的学术论文第68-69页
附录B 攻读学位期间所参与的科研活动第69页

论文共69页,点击 下载论文
上一篇:NDN网络中动态名字查找方法的研究
下一篇:异构环境下MapReduce任务推测执行算法研究