| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-7页 |
| 第一部分 概述 | 第7-10页 |
| 第二部分 支持向量机原理 | 第10-21页 |
| ·理论背景 | 第10页 |
| ·经验风险最小化 | 第10-11页 |
| ·结构风险最小化 | 第11-13页 |
| ·支持向量机 | 第13-17页 |
| ·用于基因表达谱数据的支持向量机 | 第17-21页 |
| ·两类不平衡问题的解决 | 第17-18页 |
| ·支持向量机模型参数的确定 | 第18-21页 |
| 第三部分 支持向量机分析实例 | 第21-37页 |
| ·基因表达谱数据 | 第21-23页 |
| ·数据预处理 | 第23-26页 |
| ·缺失值填充 | 第23-26页 |
| ·数据归一化 | 第26页 |
| ·支持向量机方法 | 第26-37页 |
| ·数据格式的转化 | 第26-27页 |
| ·模型参数的选取 | 第27-31页 |
| ·模型的优化和确定 | 第31-33页 |
| ·连续误判点的讨论 | 第33-37页 |
| 第四部分 支持向量机的改进算法 | 第37-41页 |
| ·支持向量机的增量学习算法 | 第37-38页 |
| ·支持向量机和最近邻分类结合算法 | 第38-41页 |
| 第五部分 结果和讨论 | 第41-47页 |
| 第六部分 未来研究的展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 附录 | 第52-54页 |
| 致谢 | 第54-55页 |
| 文献综述 | 第55-65页 |