| 第1章 绪论 | 第1-10页 |
| ·本文的意义和目的 | 第7-8页 |
| ·本文的选题来源 | 第8页 |
| ·本文的主要工作 | 第8页 |
| ·本文结构 | 第8-10页 |
| 第2章 研究背景介绍 | 第10-33页 |
| ·生物学背景知识 | 第10-15页 |
| ·基因表达数据概念 | 第10-11页 |
| ·基因表达数据分析的特点 | 第11-12页 |
| ·生物芯片 | 第12-13页 |
| ·微阵列 | 第13-14页 |
| ·基因芯片 | 第14-15页 |
| ·基因表达数据的网上资源 | 第15页 |
| ·基因表达数据的聚类分析 | 第15-33页 |
| ·概念 | 第15-17页 |
| ·相似性度量函数 | 第17-18页 |
| ·传统聚类方法 | 第18-28页 |
| ·聚类结果的可视化 | 第28-30页 |
| ·聚类结果的定量评价 | 第30-33页 |
| 第3章 双聚类算法评述 | 第33-45页 |
| ·传统聚类方法的缺陷 | 第33页 |
| ·双聚类算法引入的原因 | 第33-34页 |
| ·双聚类与传统聚类的区别 | 第34-36页 |
| ·双聚类的数学描述 | 第36页 |
| ·几个重要的双聚类算法 | 第36-43页 |
| ·Cheng and Church 算法 | 第36-41页 |
| ·格子模型(The Plaid Model) | 第41页 |
| ·迭代签名算法(ISA) | 第41-42页 |
| ·SAMBA 算法 | 第42-43页 |
| ·双聚类算法的应用前景 | 第43-45页 |
| 第4章 算法的实现与改进 | 第45-62页 |
| ·算法的框架分析 | 第45-47页 |
| ·对于原算法的改进 | 第47-50页 |
| ·算法的总体设计 | 第50-52页 |
| ·程序的实现环境 | 第52-53页 |
| ·数据结构的定义 | 第53-54页 |
| ·函数关系的详细设计 | 第54-57页 |
| ·重要的参数的研究 | 第57-62页 |
| ·Delta 值的确定 | 第58-59页 |
| ·Alfa 值和速度的关系 | 第59-60页 |
| ·Alfa 值和子矩阵大小的关系 | 第60-62页 |
| 第5章 实验分析与测试 | 第62-68页 |
| ·实验环境与工作说明 | 第62-63页 |
| ·测试数据集说明 | 第63页 |
| ·酵母菌基因表达谱数据集(yeast data) | 第63页 |
| ·淋巴瘤B 细胞表达谱数据集(Lymphoma) | 第63页 |
| ·使用酵母菌基因表达数据集进行测试 | 第63-66页 |
| ·使用human B-cells 表达数据集进行测试 | 第66-68页 |
| 第6章 总结与展望 | 第68-70页 |
| ·本文的创新点 | 第68页 |
| ·发展与展望 | 第68-70页 |
| 参考文献 | 第70-72页 |
| 附录 | 第72-74页 |
| 摘要 | 第74-77页 |
| Abstract | 第77-80页 |
| 致谢 | 第80-81页 |
| 导师及作者简介 | 第81页 |