| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题背景 | 第7-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·本论文的主要工作 | 第12页 |
| ·小结 | 第12-13页 |
| 第二章 基因微阵列技术与基因表达数据 | 第13-18页 |
| ·基因微阵列技术 | 第13-16页 |
| ·微阵列数据 | 第15页 |
| ·基因表达数据分析的特点 | 第15-16页 |
| ·基因表达数据常用数据库 | 第16-17页 |
| ·小结 | 第17-18页 |
| 第三章 聚类算法及其在基因微阵列数据上的比较研究 | 第18-37页 |
| ·聚类分析技术 | 第18-21页 |
| ·聚类分析的应用范围 | 第19-20页 |
| ·聚类分析面临的挑战 | 第20-21页 |
| ·基因芯片数据标准化 | 第21-22页 |
| ·基因芯片聚类的相似性度量标准 | 第22-25页 |
| ·基因芯片数据聚类算法 | 第25-33页 |
| ·微阵列数据的层次聚类(hierarchical clustering) | 第26-28页 |
| ·K-均值(K-means)聚类法 | 第28-29页 |
| ·基于图论的聚类算法 | 第29-30页 |
| ·自组织映射神经网络(self_organized map，SOM) | 第30-31页 |
| ·模拟退火算法聚类 | 第31-32页 |
| ·双向聚类 | 第32页 |
| ·藕合双向聚类 | 第32-33页 |
| ·相关双向聚类 | 第33页 |
| ·聚类有效性评价指标 | 第33-35页 |
| ·FOM值 | 第33-34页 |
| ·Rand index指标 | 第34-35页 |
| ·微阵列数据聚类算法比较研究 | 第35页 |
| ·小结 | 第35-37页 |
| 第四章 基于密度的K最近邻先吸收聚类算法 | 第37-54页 |
| ·现有聚类算法存在的问题 | 第37页 |
| ·原始数据的描述 | 第37-38页 |
| ·KNC聚类算法模型 | 第38-45页 |
| ·最近邻先吸收算法的基本思想 | 第38-39页 |
| ·模型中所用到的符号 | 第39页 |
| ·距离计算 | 第39-40页 |
| ·密度估算 | 第40-41页 |
| ·基于核心点的粗聚类 | 第41-43页 |
| ·利用边界点修正所得到的簇 | 第43-44页 |
| ·参数的确定 | 第44-45页 |
| ·聚类结果分析 | 第45-52页 |
| ·小结 | 第52-54页 |
| 第五章 聚类分析系统的设计与实现 | 第54-60页 |
| ·系统的体系结构 | 第54-55页 |
| ·技术实现 | 第55页 |
| ·各子模块的设计与实现 | 第55-59页 |
| ·K-均值聚类 | 第55-56页 |
| ·自组织映射 | 第56-58页 |
| ·基于密度的K最近邻先吸收聚类 | 第58-59页 |
| ·小结 | 第59-60页 |
| 第六章 结论与展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间发表的论文及著作 | 第66页 |