首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

基因表达数据的双聚类分析与研究

摘要第5-7页
abstract第7-8页
第一章 引言第15-34页
    1.1 论文研究背景及意义第15-17页
    1.2 国内外相关研究进展第17-30页
        1.2.1 早期阶段第17-19页
        1.2.2 壮大阶段第19-24页
        1.2.3 当前阶段第24-30页
    1.3 论文的主要工作与贡献第30-32页
    1.4 论文的组织结构第32-34页
第二章 基因表达数据的双聚类分析相关基础第34-53页
    2.1 基因表达数据第34页
    2.2 双聚类的相关概念第34-38页
        2.2.1 双聚类的定义第34-35页
        2.2.2 双聚类的类型第35-36页
        2.2.3 双聚类的结构第36-38页
    2.3 双聚类的质量评价指标第38-42页
    2.4 双聚类分析方法的分类第42-45页
        2.4.1 基于质量评价指标的双聚类分析方法第42-44页
        2.4.2 基于模型的双聚类分析方法第44-45页
    2.5 双聚类的验证指标第45-49页
        2.5.1 质量验证指标第45-47页
        2.5.2 生物验证指标第47-49页
    2.6 元启发式算法第49-52页
        2.6.1 遗传算法第49-50页
        2.6.2 布谷鸟搜索算法第50-52页
    2.7 本章小结第52-53页
第三章 基于布谷鸟搜索的双聚类分析第53-66页
    3.1 布谷鸟搜索双聚类分析第53-57页
        3.1.1 双聚类的编码表示第54页
        3.1.2 适应度函数设计第54页
        3.1.3 种群初始化第54页
        3.1.4 巢搜索第54-56页
        3.1.5 宿主弃巢第56页
        3.1.6 停止条件第56-57页
    3.2 实验环境及基因表达数据第57-58页
        3.2.1 实验环境第57页
        3.2.2 基因表达数据第57-58页
    3.3 实验结果比较分析第58-65页
        3.3.1 宿主弃巢比例分析第58页
        3.3.2 比较算法介绍第58-59页
        3.3.3 CSB算法的质量验证指标比较分析第59-62页
        3.3.4 CSB算法的生物验证指标比较分析第62-65页
    3.4 本章小结第65-66页
第四章 基于遗传算法和布谷鸟搜索的混合双聚类分析第66-82页
    4.1 混合双聚类分析算法第66-69页
        4.1.1 编码设计第66页
        4.1.2 适应度函数设计第66-67页
        4.1.3 种群初始化第67页
        4.1.4 混合方案设计第67-69页
        4.1.5 停止条件第69页
    4.2 实验结果比较分析第69-81页
        4.2.1 混合策略比较第70页
        4.2.2 GACSB算法的质量验证指标比较分析第70-73页
        4.2.3 GACSB算法的生物验证指标比较分析第73-78页
        4.2.4 GACSB算法的扩展性分析第78-81页
    4.3 本章小结第81-82页
第五章 基于多目标布谷鸟搜索的双聚类分析第82-96页
    5.1 多目标优化问题的基本概念第82-84页
    5.2 多目标布谷鸟搜索算法第84-85页
    5.3 基于多目标布谷鸟搜索双聚类分析算法第85-88页
        5.3.1 编码设计第85页
        5.3.2 适应度函数设计第85-86页
        5.3.3 初始化种群第86页
        5.3.4 巢搜索第86-87页
        5.3.5 宿主弃巢第87页
        5.3.6 停止条件第87-88页
    5.4 实验结果比较分析第88-94页
        5.4.1 MOCSB算法的质量验证指标比较分析第89-92页
        5.4.2 MOCSB算法的生物验证指标比较分析第92-94页
    5.5 本章小结第94-96页
第六章 基于谱聚类集成的双聚类分析第96-111页
    6.1 集成双聚类分析第96-98页
        6.1.1 集成聚类分析第96-97页
        6.1.2 集成双聚类分析第97-98页
    6.2 基于谱聚类集成的双聚类分析第98-104页
        6.2.1 基于不同评价指标的基双聚类构造方法第98-99页
        6.2.2 基于谱技术的一致函数第99-104页
        6.2.3 重构一致双聚类第104页
    6.3 实验结果分析第104-110页
        6.3.1 SEB算法的多样性比较分析第104-106页
        6.3.2 SEB算法的一致函数比较分析第106-110页
    6.4 本章小结第110-111页
第七章 总结与展望第111-114页
    7.1 本文工作总结第111-112页
    7.2 后续工作展望第112-114页
致谢第114-116页
参考文献第116-135页
攻读博士学位期间所取得的成果第135-136页

论文共136页,点击 下载论文
上一篇:多规则有序决策的粗糙集模型与熵方法
下一篇:数据中心高效与公平的能源性能管理