基于集成学习的基因选择与样本分类研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的工作 | 第12-14页 |
| 2 基因表达数据分类相关技术 | 第14-26页 |
| 2.1 基因表达数据分类概述 | 第14-15页 |
| 2.2 基因选择方法 | 第15-19页 |
| 2.2.1 传统的基因选择方法 | 第15-18页 |
| 2.2.2 基因排序聚合方法 | 第18-19页 |
| 2.3 不平衡基因表达数据分类简介 | 第19-25页 |
| 2.3.1 分类策略 | 第20-22页 |
| 2.3.2 基于调整决策阈值的SVM方法 | 第22-25页 |
| 2.3.3 分类评价标准 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 基于近邻传播聚类的基因融合选择方法 | 第26-36页 |
| 3.1 近邻传播聚类方法 | 第26-28页 |
| 3.2 bicor关联系数 | 第28-29页 |
| 3.3 基于融合聚类的基因选择方法 | 第29-30页 |
| 3.4 分类结果与分析 | 第30-35页 |
| 3.4.1 实验数据 | 第30-31页 |
| 3.4.2 分类结果比对与性能分析 | 第31-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 基于近邻传播聚类的集成特征选择分类 | 第36-48页 |
| 4.1 集成特征选择方法 | 第36-39页 |
| 4.1.1 RSM方法 | 第36-38页 |
| 4.1.2 EGSG方法 | 第38-39页 |
| 4.2 基于融合聚类的集成特征选择分类 | 第39-42页 |
| 4.2.1 基本思想 | 第39-40页 |
| 4.2.2 算法描述 | 第40-42页 |
| 4.3 分类结果与分析 | 第42-47页 |
| 4.3.1 实验数据 | 第42页 |
| 4.3.2 分类结果与性能分析 | 第42-47页 |
| 4.4 本章小结 | 第47-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 攻读硕士学位期间发表学术论文情况 | 第52-53页 |
| 致谢 | 第53-54页 |
