| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 引言 | 第8-20页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 基因表达微阵列数据 | 第9-13页 |
| 1.2.1 基因表达微阵列数据概述 | 第9-11页 |
| 1.2.2 本文所使用数据集描述 | 第11-13页 |
| 1.3 国内外研究现状 | 第13-17页 |
| 1.3.1 类别不平衡问题研究现状 | 第13-14页 |
| 1.3.2 特征选择方法研究现状 | 第14-17页 |
| 1.4 本文主要工作与章节结构 | 第17-19页 |
| 1.4.1 本文主要工作 | 第17页 |
| 1.4.2 本文章节结构 | 第17-19页 |
| 1.5 本章小结 | 第19-20页 |
| 第2章 基于特征值的随机上采样方法 | 第20-28页 |
| 2.1 引言 | 第20-21页 |
| 2.2 基于特征值的随机过采样算法 | 第21-22页 |
| 2.3 实验结果及分析 | 第22-26页 |
| 2.3.1 本文实验环境 | 第22页 |
| 2.3.2 本文实验结果评估方法 | 第22-23页 |
| 2.3.3 RVOS算法对比实验与分析 | 第23-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第3章 结合大尺度线性支持向量机和步长可变的递归特征消除策略的高效特征选择方法 | 第28-48页 |
| 3.1 SVM-RFE算法 | 第28-36页 |
| 3.1.1 支持向量机 | 第29-34页 |
| 3.1.2 递归特征消除策略 | 第34-36页 |
| 3.2 步长可变的递归特征消除策略 | 第36-41页 |
| 3.2.1 步长可变的递归特征消除策略 | 第36-39页 |
| 3.2.2 实验结果与分析 | 第39-41页 |
| 3.3 结合大尺度线性支持向量机和步长可变的递归特征消除策略的高效特征选择方法 | 第41-47页 |
| 3.3.1 大尺度线性支持向量机 | 第41-43页 |
| 3.3.2 实验结果与分析 | 第43-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第4章 适用于基因表达微阵列数据的分类方法研究 | 第48-56页 |
| 4.1 经典分类方法概述 | 第48-52页 |
| 4.1.1 K近邻 | 第49-50页 |
| 4.1.2 朴素贝叶斯 | 第50页 |
| 4.1.3 逻辑回归 | 第50-52页 |
| 4.2 实验结果与分析 | 第52-54页 |
| 4.3 本章小结 | 第54-56页 |
| 第5章 结论 | 第56-60页 |
| 5.1 本文工作总结 | 第56-57页 |
| 5.2 本文创新点 | 第57页 |
| 5.3 本文的不足和展望 | 第57-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第68页 |