| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文主要工作 | 第12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第2章 相关算法介绍 | 第14-27页 |
| 2.1 特征选择算法 | 第14-21页 |
| 2.1.1 T检验 | 第16-18页 |
| 2.1.2 秩和检验 | 第18-19页 |
| 2.1.3 最大相关最小冗余方法 | 第19-21页 |
| 2.2 支持向量机 | 第21-27页 |
| 2.2.1 支持向量机定义 | 第21-22页 |
| 2.2.2 线性可分 | 第22-24页 |
| 2.2.3 线性不可分 | 第24-25页 |
| 2.2.4 核函数 | 第25-27页 |
| 第3章 基于局部样本的特征选择算法 | 第27-33页 |
| 3.1 算法概述 | 第27页 |
| 3.2 算法实现流程 | 第27-28页 |
| 3.3 获取特征基因 | 第28-29页 |
| 3.4 获取局部样本 | 第29-33页 |
| 3.4.1 计算欧氏距离 | 第29-30页 |
| 3.4.2 构建样本共表达网络 | 第30页 |
| 3.4.3 使用重启动随机游走方法 | 第30-31页 |
| 3.4.4 确定最优样本选择策略 | 第31-33页 |
| 第4章 基于转录组数据的实验结果分析 | 第33-52页 |
| 4.1 实验数据 | 第33-34页 |
| 4.2 实验环境 | 第34页 |
| 4.3 评估方法 | 第34页 |
| 4.4 性能评价标准 | 第34-35页 |
| 4.5 实验结果分析 | 第35-52页 |
| 4.5.1 最优样本共表达网络的结果分析 | 第35-36页 |
| 4.5.2 样本选择策略的结果分析 | 第36-41页 |
| 4.5.3 局部样本、随机样本、全部样本的对比分析 | 第41-45页 |
| 4.5.4 不同特征选择方法对比分析 | 第45-50页 |
| 4.5.5 验证模型的性能分析 | 第50-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 作者简介及科研成果 | 第58-59页 |
| 致谢 | 第59页 |