基于聚类算法的基因微阵列数据分析
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第1章 绪论 | 第12-16页 |
| ·课题背景 | 第12-14页 |
| ·生物信息学 | 第12-13页 |
| ·生物信息学中的聚类分析方法 | 第13-14页 |
| ·本文主要研究内容和组织结构 | 第14-16页 |
| ·本文主要研究内容 | 第14页 |
| ·本文组织结构 | 第14-16页 |
| 第2章 DNA 微阵列技术 | 第16-23页 |
| ·DNA 微阵列技术概述 | 第16-17页 |
| ·DNA 微阵列技术的应用 | 第17-18页 |
| ·基因表达数据 | 第18-19页 |
| ·基因表达数据分析的特点 | 第19-21页 |
| ·基因表达数据常用数据库 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 常用基因表达数据聚类算法概述 | 第23-33页 |
| ·聚类分析 | 第23-25页 |
| ·相似性度量 | 第25-27页 |
| ·欧几里德距离 | 第25-26页 |
| ·曼哈坦距离 | 第26页 |
| ·Pearson 相关系数 | 第26页 |
| ·无中心相关系数 | 第26-27页 |
| ·Spearman 排列相关系数 | 第27页 |
| ·聚类分析算法研究 | 第27-30页 |
| ·基于划分的方法 | 第27-28页 |
| ·基于层次的方法 | 第28-29页 |
| ·基于密度的方法 | 第29页 |
| ·基于网格的方法 | 第29页 |
| ·基于模型的方法 | 第29页 |
| ·其他聚类算法 | 第29-30页 |
| ·聚类效果评价 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 基于模糊C 均值聚类算法的微阵列数据分析 | 第33-40页 |
| ·模糊C 均值聚类算法概述 | 第33页 |
| ·模糊C 均值聚类算法 | 第33-35页 |
| ·一种改进的FCM 聚类算法 | 第35-38页 |
| ·核函数基本概念 | 第35-36页 |
| ·基于有效性测度的核化距离模糊C 均值聚类算法 | 第36-38页 |
| ·仿真实验与结果分析 | 第38-39页 |
| ·实验数据集 | 第38-39页 |
| ·实验环境 | 第39页 |
| ·结果分析 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第5章 基于蚁群聚类算法的基因微阵列数据分析 | 第40-51页 |
| ·蚁群算法的基本原理 | 第40-42页 |
| ·蚁群聚类算法 | 第42-44页 |
| ·基于蚁堆原理的聚类分析 | 第42-43页 |
| ·基于蚂蚁觅食原理的聚类分析 | 第43-44页 |
| ·蚁群聚类算法模型 | 第44-46页 |
| ·基本模型 | 第44页 |
| ·LF 算法 | 第44-46页 |
| ·算法描述 | 第46-47页 |
| ·一种改进的蚁群聚类算法 | 第47-50页 |
| ·改进算法的基本思想 | 第47-48页 |
| ·算法步骤 | 第48-49页 |
| ·算法流程 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第6章 仿真实验与结果分析 | 第51-56页 |
| ·实验数据集 | 第51页 |
| ·实验环境与性能评价标准 | 第51页 |
| ·实验结果分析 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 结论与展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的学术论文 | 第62-63页 |
| 致谢 | 第63-64页 |
| 详细摘要 | 第64-68页 |
