| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-12页 |
| 1．1 微阵列与基因表达研究概况 | 第7-8页 |
| 1．2 基因表达聚类分析技术的现状 | 第8-9页 |
| 1．3 脉冲耦合神经网络简介 | 第9-10页 |
| 1．4 本文工作与结构 | 第10-12页 |
| 第二章 基于自组织神经网络的聚类 | 第12-20页 |
| 2．1 聚类分析的概念及任务 | 第12-13页 |
| 2．1．1 聚类分析的基本思想 | 第12页 |
| 2．1．2 方法的有效性 | 第12-13页 |
| 2．2 传统聚类算法介绍 | 第13-16页 |
| 2．2．1 聚类的技术方案 | 第13页 |
| 2．2．2 C-均值算法(C-means算法) | 第13-14页 |
| 2．2．3 模糊C—均值法 | 第14-15页 |
| 2．2．4 分级聚类法(Hierarchical Clustering Method) | 第15-16页 |
| 2．3 基于自组织神经网络的聚类算法 | 第16-19页 |
| 2．3．1 自组织神经网络结构 | 第16-17页 |
| 2．3．2 SOM网络的工作原理 | 第17-18页 |
| 2．3．3 自组织神经网络的聚类算法 | 第18页 |
| 2．3．4 自组织神经网络聚类算法的参数说明 | 第18-19页 |
| 2．4 本章小结 | 第19-20页 |
| 第三章 基于SOM神经网络的基因聚类算法 | 第20-32页 |
| 3．1 基因芯片原理 | 第21-23页 |
| 3．2 基因数据处理基本任务和方法 | 第23-24页 |
| 3．2．1 基因芯片的信息预处理 | 第23-24页 |
| 3．2．2 基因芯片的数据挖掘 | 第24页 |
| 3．3 基于SOM基因聚类的组织样本聚类基本思想 | 第24-25页 |
| 3．4 基于SOM的特征基因选择 | 第25-27页 |
| 3．4．1 特征基因选取的基本任务 | 第25-26页 |
| 3．4．2 SOM模型改进 | 第26页 |
| 3．4．3 敏感强度及特征基因选取原则 | 第26-27页 |
| 3．5 实验与结果 | 第27-30页 |
| 3．5．1 特征基因选择的过程 | 第27-29页 |
| 3．5．2 实验结果 | 第29-30页 |
| 3．6 本章小结 | 第30-32页 |
| 第四章 基因组织样本聚类的PCNN方法 | 第32-40页 |
| 4．1 脉冲耦合神经网络的工作原理 | 第32-36页 |
| 4．1．1 脉冲耦合神经网络基本模型及简化 | 第32-34页 |
| 4．1．2 无耦合链接的情况下的PCNN运行行为 | 第34页 |
| 4．1．3 耦合链接的情况下的PCNN运行行为 | 第34-35页 |
| 4．1．4 脉冲耦合神经网络的基本特性分析 | 第35-36页 |
| 4．2 基于PCNN的聚类算法 | 第36-38页 |
| 4．3 实验与结果 | 第38-39页 |
| 4．4 本章小结 | 第39-40页 |
| 第五章 结论 | 第40-41页 |
| 致谢 | 第41-42页 |
| 参考文献 | 第42-44页 |
| 研究成果 | 第44页 |