基于基因表达数据的肿瘤亚型多类别分类与分析
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-15页 |
| 第1章 绪论 | 第15-27页 |
| ·生物信息学概述 | 第15-22页 |
| ·生物信息学的定义 | 第15-16页 |
| ·生物信息学中常用的信息科学技术和方法 | 第16-19页 |
| ·生物信息学的热点研究方向 | 第19-22页 |
| ·基因芯片技术与肿瘤分子研究 | 第22-23页 |
| ·本文主要内容 | 第23-27页 |
| ·研究内容和意义 | 第23-25页 |
| ·关键问题和技术路线 | 第25页 |
| ·各章节主要内容 | 第25-27页 |
| 第2章 基因芯片与肿瘤研究 | 第27-42页 |
| ·基因芯片 | 第27-32页 |
| ·基因 | 第27-28页 |
| ·基因芯片 | 第28-29页 |
| ·基因芯片技术 | 第29-30页 |
| ·基因芯片技术的应用 | 第30-32页 |
| ·肿瘤研究 | 第32-37页 |
| ·肿瘤 | 第32页 |
| ·肿瘤的产生 | 第32-34页 |
| ·肿瘤的分类 | 第34-35页 |
| ·肿瘤的治疗 | 第35-36页 |
| ·肿瘤的预防 | 第36-37页 |
| ·基因芯片与肿瘤研究 | 第37-42页 |
| ·肿瘤基因表达谱分析 | 第37-38页 |
| ·肿瘤分子分类、分型和预后 | 第38-39页 |
| ·肿瘤相关基因检查 | 第39-41页 |
| ·抗肿瘤药物的筛选 | 第41-42页 |
| 第3章 特征基因选择算法 | 第42-73页 |
| ·研究意义和现状 | 第42-43页 |
| ·数据、数据预处理和评价指标 | 第43-47页 |
| ·数据 | 第43-45页 |
| ·数据预处理 | 第45-46页 |
| ·评价指标 | 第46-47页 |
| ·特征基因选择算法 | 第47-53页 |
| ·两种特征基因选择算法 | 第47-51页 |
| ·标准差分布差异算法 | 第51-53页 |
| ·结果和讨论 | 第53-72页 |
| ·分类精度 | 第53-56页 |
| ·生物学意义 | 第56-65页 |
| ·Heat map图 | 第65-72页 |
| ·结论 | 第72-73页 |
| 第4章 肿瘤亚型多类别分类与分析 | 第73-90页 |
| ·研究意义和现状 | 第73-74页 |
| ·分类器设计 | 第74-81页 |
| ·支持向量机方法 | 第74-78页 |
| ·K近邻法 | 第78-80页 |
| ·简单高斯混合模型算法 | 第80-81页 |
| ·数据和预测评价方法 | 第81-83页 |
| ·数据集 | 第81-82页 |
| ·交叉验证法 | 第82-83页 |
| ·结果和讨论 | 第83-89页 |
| ·随机数据的实验结果 | 第83-85页 |
| ·实验数据集的结果 | 第85-89页 |
| ·结论 | 第89-90页 |
| 第5章 总结与展望 | 第90-93页 |
| ·本文研究内容总结 | 第90-91页 |
| ·特征基因选择 | 第90-91页 |
| ·肿瘤亚型多类别分类 | 第91页 |
| ·未来的工作方向 | 第91-93页 |
| 参考文献 | 第93-103页 |
| 致谢 | 第103-105页 |
| 在读期间发表的学术论文与取得的研究成果 | 第105-106页 |
