| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 论文所用缩略语注释表 | 第7-14页 |
| 第一章 绪论 | 第14-32页 |
| 1.1 肿瘤分类 | 第14-17页 |
| 1.1.1 肿瘤分类的意义 | 第14-15页 |
| 1.1.2 肿瘤分类的传统方法 | 第15-16页 |
| 1.1.3 基于微阵列基因表达数据的肿瘤分类 | 第16页 |
| 1.1.4 肿瘤微阵列基因表达数据分类研究难点 | 第16-17页 |
| 1.2 肿瘤微阵列基因表达数据 | 第17-24页 |
| 1.2.1 肿瘤微阵列基因表达数据 | 第17-21页 |
| 1.2.2 肿瘤微阵列基因表达数据国内外研究进展 | 第21-24页 |
| 1.3 智能优化算法在肿瘤微阵列基因表达数据分类研究中的应用 | 第24-27页 |
| 1.3.1 用于肿瘤微阵列基因表达数据分类研究的智能优化算法 | 第25-26页 |
| 1.3.2 智能优化算法在肿瘤微阵列基因表达数据分类中的国内外研究情况 | 第26-27页 |
| 1.4 论文结构安排与主要工作 | 第27-31页 |
| 1.4.1 结构安排 | 第27-29页 |
| 1.4.2 论文主要工作 | 第29-31页 |
| 1.5 论文的创新点 | 第31-32页 |
| 第二章 用于肿瘤微阵列基因表达数据分类研究的实验数据 | 第32-42页 |
| 2.1 引言 | 第32页 |
| 2.2 实验数据选取标准 | 第32-33页 |
| 2.3 智能优化算法分类研究测试数据 | 第33-34页 |
| 2.4 智能优化算法用于肿瘤分类研究的微阵列基因表达数据 | 第34-39页 |
| 2.4.1 白血病微阵列基因表达数据 | 第34-36页 |
| 2.4.2 弥漫大B细胞淋巴瘤微阵列基因表达数据 | 第36-37页 |
| 2.4.3 肺癌、乳腺、前列腺癌和结直肠癌肿瘤微阵列基因表达数据 | 第37-39页 |
| 2.5 适应度值函数 | 第39-40页 |
| 2.5.1 欧式距离 | 第40页 |
| 2.5.2 皮尔森相关系数 | 第40页 |
| 2.6 本章小结 | 第40-42页 |
| 第三章 针对肿瘤微阵列基因表达数据所采用的分类算法 | 第42-62页 |
| 3.1 引言 | 第42页 |
| 3.2 用于肿瘤微阵列基因表达数据的常规分类算法 | 第42-43页 |
| 3.2.1 K近邻分类算法 | 第42-43页 |
| 3.2.2 支持向量机分类算法 | 第43页 |
| 3.3 用于肿瘤微阵列基因表达数据的智能优化分类算法 | 第43-49页 |
| 3.3.1 用于肿瘤微阵列基因表达数据分类研究的遗传算法 | 第44-46页 |
| 3.3.2 用于肿瘤微阵列基因表达数据分类研究的基本粒子群算法 | 第46-49页 |
| 3.4 论文使用的算法一：双层粒子群优化分类算法 | 第49-54页 |
| 3.4.1 双层粒子群优化分类算法的基本流程 | 第50页 |
| 3.4.2 双层粒子群优化算法的具体步骤 | 第50-54页 |
| 3.5 论文使用的算法二：多元优化过程记忆分类算法 | 第54-59页 |
| 3.5.1 搜索元及其构成 | 第55-57页 |
| 3.5.2 搜索元的数据更新 | 第57-58页 |
| 3.5.3 MOA分类算法流程 | 第58-59页 |
| 3.6 肿瘤微阵列基因表达数据分类流程 | 第59-60页 |
| 3.7 本章小结 | 第60-62页 |
| 第四章 双层粒子群优化分类算法和多元优化过程记忆分类算法性能测评 | 第62-74页 |
| 4.1 引言 | 第62-63页 |
| 4.1.1 基于TLPSO分类算法的实验测评 | 第62-63页 |
| 4.1.2 基于MOA分类算法的实验测评 | 第63页 |
| 4.2 实验目的 | 第63页 |
| 4.3 实验环境构建 | 第63-65页 |
| 4.3.1 测试数据 | 第63-64页 |
| 4.3.2 实验方法 | 第64页 |
| 4.3.3 分类算法性能评价指标 | 第64-65页 |
| 4.4 实验一：基于TLPSO分类算法的性能评测 | 第65-68页 |
| 4.4.1 基于TLPSO分类算法的Heart数据集分类结果 | 第65页 |
| 4.4.2 基于TLPSO分类算法的Vote数据集分类结果 | 第65-66页 |
| 4.4.3 基于TLPSO分类算法的Iris数据集分类结果 | 第66-67页 |
| 4.4.4 基于TLPSO分类算法的Wine数据集分类结果 | 第67页 |
| 4.4.5 基于TLPSO分类算法的分类结果分析 | 第67-68页 |
| 4.5 实验二：基于MOA分类算法的性能评测 | 第68-73页 |
| 4.5.1 基于MOA分类算法的Heart数据集分类结果 | 第68-69页 |
| 4.5.2 基于MOA分类算法的Vote数据集分类结果 | 第69-70页 |
| 4.5.3 基于MOA分类算法的Iris数据集分类结果 | 第70-71页 |
| 4.5.4 基于MOA分类算法的Wine数据集分类结果 | 第71-72页 |
| 4.5.5 基于MOA分类算法的分类结果分析 | 第72-73页 |
| 4.6 本章小结 | 第73-74页 |
| 第五章 智能优化算法用于肿瘤微阵列基因表达数据分类研究的实验测评 | 第74-114页 |
| 5.1 引言 | 第74-76页 |
| 5.1.1 基于白血病微阵列基因表达样本的实验测评 | 第75页 |
| 5.1.2 基于弥漫大B细胞淋巴瘤微阵列基因表达样本的实验测评 | 第75-76页 |
| 5.1.3 基于多类肿瘤微阵列基因表达样本的实验测评 | 第76页 |
| 5.2 实验环境构建 | 第76-80页 |
| 5.2.1 测试数据 | 第77-78页 |
| 5.2.2 实验平台 | 第78页 |
| 5.2.3 分类算法性能评价指标 | 第78-79页 |
| 5.2.4 实验参数设置 | 第79-80页 |
| 5.3 实验一：白血病微阵列基因表达样本分类研究 | 第80-90页 |
| 5.3.1 基于TLPSO分类算法的白血病基因表达样本分类 | 第82-84页 |
| 5.3.2 基于MOA分类算法的白血病基因表达样本分类 | 第84-88页 |
| 5.3.3 实验分析 | 第88-90页 |
| 5.4 实验二：弥漫大B细胞淋巴瘤基因表达样本分类研究 | 第90-103页 |
| 5.4.1 基于TLPSO分类算法的弥漫大B细胞淋巴瘤基因表达样本分类 | 第91-95页 |
| 5.4.2 基于MOA分类算法的弥漫大B细胞淋巴瘤基因表达样本分类 | 第95-99页 |
| 5.4.3 实验分析 | 第99-103页 |
| 5.5 实验三：多类肿瘤基因表达样本分类研究 | 第103-112页 |
| 5.5.1 基于TLPSO分类算法的多类肿瘤基因表达样本分类 | 第104-107页 |
| 5.5.2 基于MOA分类算法的多类肿瘤基因表达样本分类 | 第107-110页 |
| 5.5.3 实验分析 | 第110-112页 |
| 5.6 本章小结 | 第112-114页 |
| 第六章 智能优化算法用于肿瘤微阵列基因表达数据分类研究的实验结果比较 | 第114-136页 |
| 6.1 引言 | 第115-116页 |
| 6.1.1 基于白血病微阵列基因表达样本的实验测评 | 第115页 |
| 6.1.2 基于弥漫大B细胞淋巴瘤微阵列基因表达样本的实验测评 | 第115-116页 |
| 6.2 实验环境构建 | 第116-121页 |
| 6.2.1 测试算法 | 第116-117页 |
| 6.2.2 测试数据 | 第117-118页 |
| 6.2.3 实验方法 | 第118-119页 |
| 6.2.4 分类算法性能评价指标 | 第119页 |
| 6.2.5 实验参数设置 | 第119-121页 |
| 6.3 比较实验一：白血病微阵列基因表达样本分类结果比较 | 第121-126页 |
| 6.3.1 第一组白血病微阵列基因表达样本分类结果比较 | 第122-123页 |
| 6.3.2 第二组白血病微阵列基因表达样本分类结果比较 | 第123-124页 |
| 6.3.3 实验分析 | 第124-126页 |
| 6.4 比较实验二：弥漫大B细胞淋巴瘤基因表达样本分类结果比较 | 第126-134页 |
| 6.4.1 基于GA、PSO、TLPSO和MOA分类算法的弥漫大B细胞淋巴瘤微阵列基因表达样本分类结果比较 | 第127-133页 |
| 6.4.2 实验分析 | 第133-134页 |
| 6.5 本章小结 | 第134-136页 |
| 第七章 总结和展望 | 第136-140页 |
| 7.1 论文总结 | 第136-139页 |
| 7.2 结论和工作展望 | 第139-140页 |
| 参考文献 | 第140-150页 |
| 附录：博士期间研究成果 | 第150-152页 |
| 致谢 | 第152页 |
