| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.3 本文工作及创新点 | 第19页 |
| 1.4 本文组织结构 | 第19-21页 |
| 第2章 特征基因选择和半监督流形降维 | 第21-37页 |
| 2.1 特征基因选择 | 第21-27页 |
| 2.1.1 基因表达谱数据相关知识 | 第21-24页 |
| 2.1.2 特征选择 | 第24-26页 |
| 2.1.3 分类性能评估指标 | 第26-27页 |
| 2.2 半监督流形学习 | 第27-32页 |
| 2.2.1 流形学习 | 第27-29页 |
| 2.2.2 半监督学习 | 第29-31页 |
| 2.2.3 半监督流形图嵌入 | 第31-32页 |
| 2.3 基于图的半监督降维算法 | 第32-36页 |
| 2.3.1 半监督判别分析方法 | 第32-34页 |
| 2.3.2 半监督局部Fisher判别分析方法 | 第34-36页 |
| 2.4 小结 | 第36-37页 |
| 第3章 局部边界最大化半监督特征选择 | 第37-50页 |
| 3.1 算法基础 | 第37-39页 |
| 3.1.1 MaximumMarginProjection(MMP)算法 | 第37-38页 |
| 3.1.2 LaplacianScore算法 | 第38-39页 |
| 3.2 局部判别边界最大化半监督特征选择算法 | 第39-42页 |
| 3.2.1 问题描述 | 第40页 |
| 3.2.2 评判准则 | 第40-41页 |
| 3.2.3 算法描述和分析 | 第41-42页 |
| 3.3 分类实验设计 | 第42-45页 |
| 3.3.1 实验数据 | 第43-44页 |
| 3.3.2 对比算法 | 第44页 |
| 3.3.3 参数设置和评价指标 | 第44-45页 |
| 3.4 实验结果与分析 | 第45-49页 |
| 3.5 小结 | 第49-50页 |
| 第4章 一种基于流形距离的半监督特征选择算法 | 第50-65页 |
| 4.1 相关工作 | 第50-51页 |
| 4.1.1 非线性降维框架Isomap | 第50页 |
| 4.1.2 局部敏感性半监督特征选择算法 | 第50-51页 |
| 4.2 基于流形距离的半监督特征选择算法 | 第51-55页 |
| 4.2.1 流形距离度量相似性 | 第52页 |
| 4.2.2 评判准则 | 第52-54页 |
| 4.2.3 算法描述和分析 | 第54-55页 |
| 4.3 聚类实验及分析 | 第55-64页 |
| 4.3.1 聚类实验数据集 | 第55-56页 |
| 4.3.2 聚类评估指标 | 第56页 |
| 4.3.3 实验结果和分析 | 第56-64页 |
| 4.4 小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-73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73-74页 |
| 致谢 | 第74页 |