基于蛋白质质谱的肿瘤生物标记物选择与分类
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-24页 |
| 1 研究目的、意义及研究背景 | 第9-22页 |
| ·蛋白质质谱数据预处理 | 第9-10页 |
| ·特征选择 | 第10-13页 |
| ·过滤法(Filter Method) | 第11页 |
| ·封装器法(Wrapper Method) | 第11-12页 |
| ·嵌入式方法(Embedded Method) | 第12-13页 |
| ·其他方法 | 第13页 |
| ·分类 | 第13-20页 |
| ·降维 | 第14-15页 |
| ·常用分类器 | 第15-20页 |
| ·蛋白质质谱数据分析的常用软件 | 第20-21页 |
| ·R | 第20-21页 |
| ·Weka | 第21页 |
| ·总结 | 第21-22页 |
| 2 研究内容与创新点 | 第22-23页 |
| ·主要研究内容 | 第22页 |
| ·主要创新点 | 第22-23页 |
| 3 本文内容编排 | 第23-24页 |
| 第二章 特征选择方法与分类器 | 第24-37页 |
| 1 基于SVM的最小冗余最大相关特征选择方法 | 第25-29页 |
| ·最小冗余特征选择 | 第25页 |
| ·最小冗余判别函数 | 第25-29页 |
| ·离散变量的最小冗余最大相关 | 第25-27页 |
| ·连续变量的最小冗余最大相关 | 第27-29页 |
| ·SVM-MRMR特征选择方法 | 第29页 |
| 2 基于SVM的SVMRFE特征选择方法 | 第29-33页 |
| ·基于SVM的递归特征消除法 | 第30-33页 |
| ·基于相关系数的特征排序 | 第30页 |
| ·基于灵敏度分析的特征排序 | 第30-31页 |
| ·递归特征消除法 | 第31页 |
| ·SVMRFE特征选择方法 | 第31-33页 |
| ·SVM-SVMRFE特征选择方法 | 第33页 |
| 3 基于F测验的最高得分特征选择算法 | 第33-36页 |
| ·多个特征F值的定义 | 第34-35页 |
| ·基于F值的最高得分特征子集 | 第35-36页 |
| 4 基于F值的直接分类 | 第36-37页 |
| 第三章 算法验证与结果分析 | 第37-48页 |
| 1 数据集 | 第37页 |
| ·OvarianDataset4-3-02数据集 | 第37页 |
| ·OvarianCD_PostQAQC数据集 | 第37页 |
| 2 数据预处理 | 第37-44页 |
| ·数据加载 | 第38页 |
| ·质谱数据的重采样 | 第38-39页 |
| ·基线校正 | 第39-40页 |
| ·谱峰对齐 | 第40-41页 |
| ·标准化 | 第41页 |
| ·谱峰提取与去噪 | 第41-42页 |
| ·谱峰合并(Binning) | 第42-44页 |
| 3 特征选择方法结果分析 | 第44-47页 |
| ·不同特征选择方法在三个分类器上的独立预测精度 | 第44-45页 |
| ·不同特征选择方法在SVM上的泛化性能 | 第45-46页 |
| ·高频特征频次共现分析 | 第46-47页 |
| 4 分类器结果分析 | 第47-48页 |
| 第四章 结论与展望 | 第48-50页 |
| 参考文献 | 第50-58页 |
| 致谢 | 第58-59页 |
| 作者简历 | 第59页 |
