| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 插图索引 | 第13-15页 |
| 附表索引 | 第15-16页 |
| 第1章 绪论 | 第16-27页 |
| ·引言 | 第16-18页 |
| ·研究现状 | 第18-23页 |
| ·研究意义以及解决的问题 | 第23-25页 |
| ·论文结构安排 | 第25-27页 |
| 第2章 特征基因提取相关方法 | 第27-56页 |
| ·基因和基因微阵列数据 | 第28-29页 |
| ·线性特征提取方法 | 第29-40页 |
| ·主成分分析 | 第30-32页 |
| ·线性判断分析 | 第32-34页 |
| ·奇异值分解 | 第34页 |
| ·偏最小二乘法 | 第34-36页 |
| ·独立成分分析 | 第36-39页 |
| ·多维尺度变换 | 第39-40页 |
| ·非线性特征提取 | 第40-55页 |
| ·典型的流行学习方法 | 第41-46页 |
| ·监督流行学习 | 第46-52页 |
| ·监督流行学习算法中的问题 | 第52-55页 |
| ·小结 | 第55-56页 |
| 第3章 基于动态邻居的 LLDE 特征基因提取方法 | 第56-69页 |
| ·概述 | 第56-57页 |
| ·方法 | 第57-65页 |
| ·数据预处理 | 第58页 |
| ·构建邻域的关键 | 第58-60页 |
| ·动态邻域的构建 | 第60-62页 |
| ·最优判别基因提取 | 第62-63页 |
| ·分类器 | 第63-65页 |
| ·实验结果 | 第65-68页 |
| ·小结 | 第68-69页 |
| 第4章 基于 RF 的 DLLDE 特征基因提取方法 | 第69-80页 |
| ·概述 | 第69-71页 |
| ·方法 | 第71-77页 |
| ·随机森林特征选择法 | 第72-76页 |
| ·最优判别基因提取 | 第76-77页 |
| ·实验结果 | 第77-79页 |
| ·小结 | 第79-80页 |
| 结论 | 第80-86页 |
| 参考文献 | 第86-97页 |
| 致谢 | 第97-99页 |
| 附录 A 攻读学位期间所发表的学术论文及所参加项目 | 第99页 |
