基于稀疏表示的肿瘤分类算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 基因表达数据特征选取的研究现状 | 第15-16页 |
| 1.2.2 基因表达数据分类的研究现状 | 第16-19页 |
| 1.3 研究内容及方法 | 第19页 |
| 1.4 论文结构 | 第19-20页 |
| 1.5 本章小结 | 第20-21页 |
| 第2章 相关理论及工作 | 第21-36页 |
| 2.1 基因芯片和基因表达数据 | 第21-24页 |
| 2.1.1 基因芯片的产生与发展 | 第21页 |
| 2.1.2 基因芯片的制备及基因表达数据特点 | 第21-23页 |
| 2.1.3 基因表达数据的预处理 | 第23-24页 |
| 2.2 特征选取方法 | 第24-28页 |
| 2.2.1 特征提取方法 | 第24-26页 |
| 2.2.2 特征选择方法 | 第26-28页 |
| 2.3 分类方法 | 第28-34页 |
| 2.3.1 Bayes分类算法 | 第29-30页 |
| 2.3.2 支持向量机(SVM) | 第30-33页 |
| 2.3.3 Fisher判别分析 | 第33-34页 |
| 2.4 本章小结 | 第34-36页 |
| 第3章 基于稀疏表示和迭代冗余检测的特征选择方法 | 第36-49页 |
| 3.1 引言 | 第36-37页 |
| 3.2 相关理论知识 | 第37-39页 |
| 3.2.1 稀疏表示 | 第37-38页 |
| 3.2.2 基因-类别相关性用于特征选择 | 第38-39页 |
| 3.2.3 基因-基因相关性用于冗余检测 | 第39页 |
| 3.3 基于稀疏表示和迭代冗余检测算法框架 | 第39-43页 |
| 3.3.1 算法框架的描述 | 第39-41页 |
| 3.3.2 具体的算法描述 | 第41-43页 |
| 3.4 实验与分析 | 第43-48页 |
| 3.4.1 实验数据集 | 第43-44页 |
| 3.4.2 特征选择中的k值的确定 | 第44-45页 |
| 3.4.3 分组数目m | 第45-46页 |
| 3.4.4 实验结果与分析 | 第46-48页 |
| 3.5 小结 | 第48-49页 |
| 第4章 基于元样本的DPL肿瘤分类算法 | 第49-63页 |
| 4.1 引言 | 第49页 |
| 4.2 基于元样本的字典对学习分类算法 | 第49-54页 |
| 4.2.1 元样本提取 | 第50页 |
| 4.2.2 MDPLC分类算法 | 第50-54页 |
| 4.3 实验与分析 | 第54-62页 |
| 4.3.1 实验数据 | 第54页 |
| 4.3.2 实验参数设置 | 第54-55页 |
| 4.3.3 实验结果与分析 | 第55-62页 |
| 4.4 小结 | 第62-63页 |
| 第5章 结论 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 附录A 读研期间发表学术论文和参与科研项目 | 第71-72页 |
| 致谢 | 第72页 |
