基于加权网络的最大相关最小冗余特征选择算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 引言 | 第12-13页 |
| 1.2 研究背景及意义 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-16页 |
| 1.4 论文结构安排 | 第16-18页 |
| 第2章 相关的背景知识 | 第18-33页 |
| 2.1 特征选择相关介绍 | 第18-21页 |
| 2.2 基因表达数据 | 第21-25页 |
| 2.2.1 基因表达数据的采集及表示 | 第21-22页 |
| 2.2.2 基因表达数据的预处理 | 第22-24页 |
| 2.2.3 基因表达数据的应用 | 第24-25页 |
| 2.3 基于互信息的特征选择方法 | 第25-30页 |
| 2.3.1 信息论 | 第25-26页 |
| 2.3.2 熵 | 第26页 |
| 2.3.3 互信息 | 第26-28页 |
| 2.3.4 mRMR(最大相关最小冗余) | 第28-29页 |
| 2.3.5 mRMR研究现状 | 第29-30页 |
| 2.4 聚类 | 第30-32页 |
| 2.4.1 计算相关性 | 第30-31页 |
| 2.4.2 聚类算法分类 | 第31-32页 |
| 2.5 小结 | 第32-33页 |
| 第3章 基于权重共表达网络的mRMR特征选择方法 | 第33-51页 |
| 3.1 引言 | 第33页 |
| 3.2 实验方法 | 第33-38页 |
| 3.2.1 预处理数据 | 第34-35页 |
| 3.2.2 构建基因权重共表达网络 | 第35-38页 |
| 3.2.3 利用mRMR选取特征基因集 | 第38页 |
| 3.3 实验结果 | 第38-46页 |
| 3.3.1 权重共表达网络的构建 | 第38-45页 |
| 3.3.2 mRMR对关键模块进行特征选择 | 第45-46页 |
| 3.4 性能评价 | 第46-49页 |
| 3.5 小结 | 第49-51页 |
| 第4章 基于相似组的mRMR特征选择方法 | 第51-63页 |
| 4.1 引言 | 第51页 |
| 4.2 实验方法的原理介绍 | 第51-55页 |
| 4.2.1 定义基因模块和模块典型基因集 | 第51-53页 |
| 4.2.2 定义相似组 | 第53页 |
| 4.2.3 采用mRMR选取特征子集 | 第53-54页 |
| 4.2.4 实验方法系统框架 | 第54-55页 |
| 4.3 实验结果及分析 | 第55-62页 |
| 4.3.1 构造相似组 | 第55-60页 |
| 4.3.2 分类准确性 | 第60-62页 |
| 4.4 小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 附录B 攻读硕士学位期间所参与的科研活动 | 第70页 |
