| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-24页 |
| ·课题研究背景 | 第9-15页 |
| ·基因表达数据 | 第9-12页 |
| ·机器学习在生物信息学中的应用 | 第12-15页 |
| ·国内外研究现状 | 第15-21页 |
| ·基于基因表达数据的肿瘤特征基因选取研究概况 | 第15-18页 |
| ·胃癌分类及特征基因选取研究概况 | 第18-21页 |
| ·课题研究意义 | 第21-22页 |
| ·论文结构与科研成果 | 第22-24页 |
| 第2章 相关理论基础 | 第24-37页 |
| ·特征选取方法 | 第24-27页 |
| ·常用分类器 | 第27-36页 |
| ·支持向量机 | 第28-31页 |
| ·K-近邻法 | 第31-34页 |
| ·BP 神经网络 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 基于混合法的胃癌特征基因选取 | 第37-46页 |
| ·常用特征基因选择方法 | 第37-40页 |
| ·过滤法 | 第37-38页 |
| ·融合法 | 第38-40页 |
| ·基于巴氏距离的混合特征基因选择方法 | 第40-41页 |
| ·巴氏距离 | 第40页 |
| ·基于巴氏距离的混合方法 | 第40-41页 |
| ·分类器的选择 | 第41页 |
| ·实验 | 第41-45页 |
| ·数据来源 | 第41-42页 |
| ·实验结果 | 第42-44页 |
| ·结果讨论 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 基于PLS 系数方法的胃癌亚型特征基因选取 | 第46-62页 |
| ·胃癌亚型分类 | 第46页 |
| ·主成分分析方法 | 第46-47页 |
| ·偏最小二乘方法 | 第47-49页 |
| ·实验一 | 第49-54页 |
| ·数据来源 | 第49页 |
| ·实验结果 | 第49-54页 |
| ·结果讨论 | 第54页 |
| ·实验二 | 第54-61页 |
| ·数据来源 | 第54-55页 |
| ·实验结果 | 第55-57页 |
| ·结果讨论 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 第5章 基于TSP 的胃癌亚型特征基因选取 | 第62-71页 |
| ·TSP 方法原理 | 第62-63页 |
| ·实验 | 第63-70页 |
| ·数据来源 | 第63页 |
| ·实验结果 | 第63-64页 |
| ·结果讨论 | 第64-70页 |
| ·本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间所发表的学术论文 | 第77-78页 |
| 致谢 | 第78页 |