| 中文摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题的引出及研究价值 | 第8-9页 |
| ·课题的研究现状和主要理论支持基因微阵列数据的发展和现状 | 第9-11页 |
| ·降维方法简介 | 第10-11页 |
| ·支持向量机（SVM）简介 | 第11页 |
| ·研究目标和后续章节概要 | 第11-14页 |
| 第二章 基因表达数据的提取及分析流程 | 第14-23页 |
| ·生物信息学理论及研究现状 | 第14-16页 |
| ·DNA 芯片的基本原理和制备方法 | 第16-19页 |
| ·基因微阵列表达数据 | 第19-21页 |
| ·基因微阵列数据分析流程 | 第19-20页 |
| ·基因表达数据 | 第20-21页 |
| ·基因表达数据的获取 | 第21-23页 |
| 第三章 用于数据分类的降维方法 | 第23-36页 |
| ·降维的概念 | 第23页 |
| ·数据降维的类型 | 第23-33页 |
| ·主成份分析法(PCA) | 第25-27页 |
| ·多维尺度分析（MDS） | 第27-29页 |
| ·拉普拉斯特征映射方法 | 第29-32页 |
| ·局部切空间排列（LTSA） | 第32-33页 |
| ·几种降维方法降维效果的比较 | 第33-36页 |
| 第四章 支持向量机理论 | 第36-46页 |
| ·统计学习理论 | 第36-40页 |
| ·VC 维（Vapnik-Chervonenkis Dimension）简介 | 第36-37页 |
| ·推广性的界 | 第37-38页 |
| ·结构风险最小化原则 | 第38-40页 |
| ·支持向量机（SVM）理论 | 第40-46页 |
| ·线性支持向量机 | 第41-43页 |
| ·非线性支持向量机 | 第43-46页 |
| 第五章 基因表达数据实验及结果分析 | 第46-57页 |
| ·GCM 数据实验 | 第46-51页 |
| ·GCM 数据降维 | 第46-50页 |
| ·GCM 数据分类及结果分析 | 第50-51页 |
| ·Lymphoma 数据实验 | 第51-57页 |
| ·Lymphoma 数据降维 | 第52-55页 |
| ·Lymphoma 数据分类及结果分析 | 第55-57页 |
| 第六章 总结与展望 | 第57-60页 |
| 参考文献 | 第60-66页 |
| 硕士期间发表论文 | 第66-67页 |
| 致谢 | 第67-68页 |