基于决策森林法的肿瘤基因表达谱数据分析
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-26页 |
| ·课题背景及意义 | 第10-13页 |
| ·机器学习和基因表达谱数据 | 第13-20页 |
| ·机器学习 | 第13-16页 |
| ·基因芯片 | 第16-18页 |
| ·基因表达谱 | 第18-20页 |
| ·国内外研究现状 | 第20-23页 |
| ·研究水平和现状 | 第20-22页 |
| ·当前存在的主要问题 | 第22-23页 |
| ·论文内容与结构 | 第23-26页 |
| 第2章 相关理论及研究 | 第26-38页 |
| ·决策森林法 | 第26-30页 |
| ·决策树 | 第26-27页 |
| ·决策森林法 | 第27-30页 |
| ·支持向量机 | 第30-32页 |
| ·特征选择 | 第32-36页 |
| ·本章小结 | 第36-38页 |
| 第3章 基于决策森林法的肿瘤特征基因选择 | 第38-46页 |
| ·引言 | 第38页 |
| ·ReliefF，SAM及PCA | 第38-41页 |
| ·ReliefF | 第38-39页 |
| ·SAM | 第39-40页 |
| ·PCA | 第40-41页 |
| ·实验方法 | 第41-42页 |
| ·数据的预处理 | 第41-42页 |
| ·实验方法 | 第42页 |
| ·实验数据及结果分析 | 第42-45页 |
| ·实验数据 | 第42页 |
| ·实验结果 | 第42-44页 |
| ·讨论 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 基于决策森林法的小样本类权重设置 | 第46-54页 |
| ·引言 | 第46页 |
| ·小样本不均衡数据 | 第46-47页 |
| ·相关理论 | 第47-48页 |
| ·代价敏感学习 | 第47页 |
| ·过采样技术与欠采样技术 | 第47-48页 |
| ·类均衡法 | 第48页 |
| ·集成算法 | 第48页 |
| ·实验方法 | 第48-49页 |
| ·实验数据及结果分析 | 第49-52页 |
| ·实验数据 | 第49页 |
| ·实验结果 | 第49-51页 |
| ·讨论 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 第5章 基于决策森林法的基因信号通路分析 | 第54-74页 |
| ·引言 | 第54页 |
| ·基因通路分析 | 第54-56页 |
| ·实验分析工具 | 第56-57页 |
| ·实验数据 | 第57-58页 |
| ·结果及分析 | 第58-74页 |
| ·特征基因选择 | 第58-59页 |
| ·通路网络 | 第59-71页 |
| ·通路分析 | 第71页 |
| ·讨论 | 第71-72页 |
| ·本章小结 | 第72-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 攻读硕士学位期间所发表的学术论文 | 第82-83页 |
| 致谢 | 第83页 |
