| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题研究的意义 | 第9-10页 |
| ·DNA微阵列技术 | 第10-12页 |
| ·DNA微阵列数据分析现状 | 第12-14页 |
| ·本文的内容安排与创新点 | 第14-16页 |
| 第2章 流形学习 | 第16-23页 |
| ·模式识别基本步骤 | 第16-17页 |
| ·流形学习算法 | 第17-18页 |
| ·流形学习方法的应用 | 第18-19页 |
| ·几种代表性的流形学习算法 | 第19-23页 |
| ·等度规映射方法(ISOMAP) | 第19-20页 |
| ·局部线性嵌入(LLE) | 第20页 |
| ·拉普拉斯特征谱(LE) | 第20页 |
| ·Hessian特征映射(HE) | 第20-21页 |
| ·局部切空间排列(LTSA) | 第21-22页 |
| ·最大差投影(MVU) | 第22页 |
| ·Riemann流形学习(RML) | 第22-23页 |
| 第3章 基于CMVM特征提取方法的肿瘤样本分类 | 第23-37页 |
| ·引言 | 第23-24页 |
| ·基因表达数据的流形分布 | 第24-25页 |
| ·约束最大差异投影(CMVM)算法 | 第25-28页 |
| ·局部结构 | 第25-26页 |
| ·流形之间的非相似性 | 第26页 |
| ·CMVM算法的目的 | 第26页 |
| ·调整 | 第26-27页 |
| ·核扩展 | 第27-28页 |
| ·实验结果 | 第28-36页 |
| ·两类分类实验 | 第29-32页 |
| ·多类分类实验 | 第32-35页 |
| ·讨论 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 LLDE与CMVM的跨平台肿瘤样本分类比较研究 | 第37-48页 |
| ·引言 | 第37-38页 |
| ·局部线性判别嵌入(LLDE)算法 | 第38-44页 |
| ·LLDE算法的目的 | 第38-40页 |
| ·LLDE算法 | 第40-44页 |
| ·约束最大差异投影(CMVM)算法 | 第44-45页 |
| ·实验与分析 | 第45-47页 |
| ·实验数据描述 | 第45页 |
| ·实验方法 | 第45页 |
| ·实验结果与分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-49页 |
| ·本文的主要研究工作 | 第48页 |
| ·主要创新点及展望 | 第48-49页 |
| 参考文献 | 第49-56页 |
| 在校期间的研究成果及发表的学术论文 | 第56-57页 |
| 致谢 | 第57页 |