摘要 | 第3-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第10-15页 |
1.1 基因表达数据的研究背景及意义 | 第10-11页 |
1.1.1 研究背景 | 第10页 |
1.1.2 研究意义 | 第10-11页 |
1.2 国内外研究综述 | 第11-12页 |
1.3 研究内容、方法与数据集 | 第12-15页 |
1.3.1 研究内容 | 第12-13页 |
1.3.2 研究方法 | 第13-14页 |
1.3.3 数据源 | 第14-15页 |
第2章 有监督鉴别稀疏PCA方法及在分类和特征提取中的应用 | 第15-25页 |
2.1 引言 | 第15页 |
2.2 方法论 | 第15-18页 |
2.2.1 主成分分析(PCA)理论概述 | 第15-16页 |
2.2.2 有监督鉴别稀疏主成分分析(SDSPCA) | 第16-17页 |
2.2.3 算法收敛性分析 | 第17-18页 |
2.3 实验结果与讨论 | 第18-24页 |
2.3.1 数据源 | 第18-19页 |
2.3.2 算法性能探究 | 第19-21页 |
2.3.3 在公共特征基因选择中的应用 | 第21-23页 |
2.3.4 在分类中的应用 | 第23-24页 |
2.4 小结 | 第24-25页 |
第3章 联合L_(1/2)约束和图拉普拉斯约束的PCA方法及在特征基因提取方面的应用 | 第25-32页 |
3.1 引言 | 第25页 |
3.2 方法论 | 第25-28页 |
3.2.1 图拉普拉斯PCA(gLPCA) | 第25-26页 |
3.2.2 联合L_(1/2)约束和图拉普拉斯约束的主成分分析 | 第26-28页 |
3.3 实验结果与讨论 | 第28-31页 |
3.3.1 算法的性能 | 第28-29页 |
3.3.2 数据源 | 第29-30页 |
3.3.3 白血病数据集实验结果 | 第30页 |
3.3.4 胰腺癌数据集实验结果 | 第30-31页 |
3.4 小结 | 第31-32页 |
第4章 基于Lp范数和图拉普拉斯的PCA及在特征基因提取和聚类上的应用 | 第32-38页 |
4.1 引言 | 第32页 |
4.2 方法论 | 第32-34页 |
4.2.1 基于Lp范数和图拉普拉斯的PCA(PgLPCA) | 第32页 |
4.2.2 模型求解 | 第32-34页 |
4.3 实验结果与讨论 | 第34-37页 |
4.3.1 数据源 | 第34页 |
4.3.2 仿真数据集实验结果 | 第34-35页 |
4.3.3 特征基因选择实验结果 | 第35-36页 |
4.3.4 癌症样本点聚类的实验结果 | 第36-37页 |
4.4 小结 | 第37-38页 |
第5章 稀疏图拉普拉斯PCA及在特征选择和聚类中的应用 | 第38-45页 |
5.1 引言 | 第38页 |
5.2 方法论 | 第38-40页 |
5.2.1 稀疏图拉普拉斯PCA(gLSPCA) | 第38页 |
5.2.2 模型求解 | 第38-40页 |
5.3 实验结果与讨论 | 第40-43页 |
5.3.1 实验设置 | 第40页 |
5.3.2 特征基因选择实验结果 | 第40-43页 |
5.3.3 癌症样本点聚类实验结果 | 第43页 |
5.4 小结 | 第43-45页 |
第6章 双图主成分分析方法及在双聚类和特征抽取中的应用 | 第45-55页 |
6.1 引言 | 第45-46页 |
6.1.1 基因表达数据中的棋盘结构及其与PCA的关系 | 第45-46页 |
6.1.2 通过双图正则化PCA挖掘棋盘结构 | 第46页 |
6.2 方法论 | 第46-48页 |
6.2.1 分别构建样本和基因流形 | 第46-47页 |
6.2.2 双图正则PCA (DGPCA) | 第47页 |
6.2.3 模型求解 | 第47-48页 |
6.3 实验结果与讨论 | 第48-54页 |
6.3.1 数据源 | 第49页 |
6.3.2 实验设置 | 第49页 |
6.3.3 挖掘棋盘结构的双聚类结果 | 第49-50页 |
6.3.4 在特定条件下挖掘调控基因 | 第50-54页 |
6.4 小结 | 第54-55页 |
第7章 结论与展望 | 第55-57页 |
7.1 研究结论 | 第55-56页 |
7.2 研究展望 | 第56-57页 |
附录 A | 第57-58页 |
参考文献 | 第58-67页 |
在读期间发表的学术论文及研究成果 | 第67-69页 |
致谢 | 第69页 |