| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 课题背景 | 第8-9页 |
| 1.1.1 课题背景 | 第8-9页 |
| 1.1.2 课题来源 | 第9页 |
| 1.2 课题研究的目的及意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-15页 |
| 1.3.1 线性回归模型的研究现状 | 第11页 |
| 1.3.2 支持向量机模型的研究现状 | 第11-13页 |
| 1.3.3 随机森林模型的研究现状 | 第13-15页 |
| 1.4 本文的主要研究内容 | 第15-17页 |
| 第2章 数据预处理 | 第17-28页 |
| 2.1 引言 | 第17页 |
| 2.2 反时相蛋白质阵列数据和细胞增殖数据描述 | 第17-19页 |
| 2.3 数据标准化 | 第19-23页 |
| 2.3.1 数据标准化的方法 | 第20-21页 |
| 2.3.2 数据标准化处理的结果 | 第21-23页 |
| 2.4 主成分分析降维 | 第23-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第3章 MDA-MB-231 数据统计的线性回归模型研究 | 第28-40页 |
| 3.1 引言 | 第28页 |
| 3.2 线性回归模型的研究 | 第28-36页 |
| 3.2.1 强迫引入法 | 第29-30页 |
| 3.2.2 前项逐步回归法 | 第30-33页 |
| 3.2.3 后项逐步回归法 | 第33-36页 |
| 3.3 统计推断比较 | 第36-37页 |
| 3.4 主成分分析与线性回归模型结合 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 MDA-MB-231 数据统计的支持向量机模型研究 | 第40-51页 |
| 4.1 引言 | 第40页 |
| 4.2 支持向量机模型 | 第40-41页 |
| 4.3 支持向量机模型的研究 | 第41-49页 |
| 4.3.1 线性核函数 | 第42-44页 |
| 4.3.2 多项式核函数 | 第44-45页 |
| 4.3.3 高斯径向基核函数 | 第45-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第5章 MDA-MB-231 数据统计的随机森林模型研究 | 第51-60页 |
| 5.1 引言 | 第51页 |
| 5.2 随机森林的研究 | 第51-54页 |
| 5.2.1 随机森林的理论模型 | 第51-52页 |
| 5.2.2 随机森林模型的应用 | 第52-54页 |
| 5.3 模型对比 | 第54-57页 |
| 5.3.1 训练模型时间的对比 | 第54-55页 |
| 5.3.2 训练模型精确度的对比 | 第55页 |
| 5.3.3 筛选结果 | 第55-57页 |
| 5.4 文献验证 | 第57-59页 |
| 5.5 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67页 |
