基于演化硬件的DNA微阵列数据分类方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·DNA 微阵列数据简介 | 第10-13页 |
| ·DNA 微阵列数据分类的研究现状 | 第13-15页 |
| ·本文的内容安排 | 第15-17页 |
| 第二章 演化硬件模式识别技术 | 第17-26页 |
| ·演化硬件简介 | 第17-18页 |
| ·可编程逻辑器件 | 第18-20页 |
| ·演化算法 | 第20-22页 |
| ·虚拟可重构技术 | 第22-23页 |
| ·演化硬件模式识别 | 第23-24页 |
| ·本章小结 | 第24-26页 |
| 第三章 基于虚拟可重构结构的演化硬件分类方法 | 第26-40页 |
| ·DNA 微阵列数据的特征选择方法 | 第26-28页 |
| ·基于过滤的特征选择方法 | 第26-27页 |
| ·基于缠绕的特征选择方法 | 第27-28页 |
| ·DNA 微阵列数据的分类方法 | 第28-29页 |
| ·有监督学习方法 | 第28-29页 |
| ·无监督学习方法 | 第29页 |
| ·基于信噪比特征选择的 DNA 微阵列数据预处理 | 第29-31页 |
| ·演化硬件多分类器模型 | 第31-32页 |
| ·演化策略 | 第32-34页 |
| ·演化算法 | 第33页 |
| ·增量演化 | 第33-34页 |
| ·流水线技术 | 第34页 |
| ·演化硬件的 FPGA 实现 | 第34-36页 |
| ·实验结果与分析 | 第36-39页 |
| ·分类精度 | 第36-37页 |
| ·演化时间和硬件代价 | 第37-38页 |
| ·特征基因选择与分类精度的关系 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于演化硬件多分类器的选择性集成方法 | 第40-52页 |
| ·多分类器简介 | 第40-42页 |
| ·基分类器的生成方法 | 第42-43页 |
| ·从分类器的角度 | 第42页 |
| ·从样本特征的角度 | 第42页 |
| ·从训练样本的角度 | 第42-43页 |
| ·系统集成方法 | 第43-44页 |
| ·投票法 | 第43-44页 |
| ·贝叶斯决策法 | 第44页 |
| ·选择性集成方法 | 第44-46页 |
| ·演化硬件多分类器的选择性集成 | 第46-48页 |
| ·实验结果与分析 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 第五章 总结和展望 | 第52-54页 |
| ·工作总结 | 第52页 |
| ·下一步的工作 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 攻读硕士学位期间取得的研究成果与参加的科研项目 | 第60-61页 |
| 致谢 | 第61页 |
