基因微阵列数据的特征提取和特征优化在癌症诊断中的应用
| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第10-15页 |
| ·课题研究背景 | 第10页 |
| ·基因芯片的数据分析 | 第10-13页 |
| ·基因微阵列数据的应用 | 第10-12页 |
| ·基因数据分析的方法 | 第12-13页 |
| ·本文的主要工作 | 第13-15页 |
| 第2章 基因微阵列数据 | 第15-18页 |
| ·基因芯片技术 | 第15-16页 |
| ·基因微阵列数据 | 第16-17页 |
| ·基于基因微阵列数据的癌症诊断 | 第17-18页 |
| 第3章 支持向量机 | 第18-26页 |
| ·统计学习理论 | 第18-20页 |
| ·经验风险最小化 | 第18-19页 |
| ·结构风险最小化 | 第19-20页 |
| ·VC 维 | 第20页 |
| ·支持向量机 | 第20-26页 |
| ·线性可分支持向量机 | 第22-24页 |
| ·非线性可分支持向量机 | 第24-26页 |
| 第4章 遗传算法 | 第26-34页 |
| ·编码方法 | 第29-30页 |
| ·个体的适应度函数 | 第30-31页 |
| ·选择算子 | 第31页 |
| ·交叉算子 | 第31-32页 |
| ·变异算子 | 第32-34页 |
| 第5章 本文所提出的方法 | 第34-55页 |
| ·DNA 微阵列数据的预处理 | 第34-37页 |
| ·实验数据及来源 | 第34页 |
| ·特征选取的方法 | 第34-37页 |
| ·特征基因的评估方法 | 第37页 |
| ·方法一：基于支持向量机方法 | 第37-44页 |
| ·分类模型 | 第38页 |
| ·数据的预处理 | 第38-39页 |
| ·基因微阵列数据的特征选取 | 第39页 |
| ·分类结果及方法稳定性评价 | 第39-44页 |
| ·方法二：基于遗传算法 | 第44-54页 |
| ·实验设计 | 第44-45页 |
| ·数据的预处理 | 第45-49页 |
| ·结果的判定及评价 | 第49-51页 |
| ·结果分析 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第6章 结束语 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士学位期间取得的科研成果 | 第63页 |
