基于稀疏表示的蛋白质质谱数据分析
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1 绪论 | 第10-18页 |
| ·研究背景及意义 | 第10页 |
| ·蛋白质组学在肿瘤诊断研究中的应用 | 第10-13页 |
| ·质谱数据分析算法研究现状 | 第13-15页 |
| ·本文主要工作 | 第15-16页 |
| ·本文组织结构 | 第16-18页 |
| 2 SELDI 蛋白质谱技术及分析算法 | 第18-28页 |
| ·生物质谱技术 | 第18-20页 |
| ·质谱数据分析算法 | 第20-27页 |
| ·预处理 | 第21-23页 |
| ·主成份分析 | 第23-25页 |
| ·线性判别分析 | 第25-26页 |
| ·支持向量机(SVM)算法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3 基于稀疏表示的肿瘤分类研究 | 第28-44页 |
| ·稀疏表示相关知识介绍 | 第28-32页 |
| ·稀疏表示研究背景 | 第28-29页 |
| ·稀疏表示模型 | 第29-30页 |
| ·稀疏信号的可重构性与降维 | 第30-31页 |
| ·稀疏表示分类规则 | 第31-32页 |
| ·弹性网正则化 | 第32-33页 |
| ·过拟合问题与推广误差 | 第33-34页 |
| ·含噪训练 | 第34页 |
| ·样本扩充技术 | 第34-35页 |
| ·样本合成 | 第35页 |
| ·随机噪声样本 | 第35页 |
| ·数据库描述与预处理 | 第35-38页 |
| ·公共数据库 OC-WCX2b | 第35-36页 |
| ·肿瘤医院 BC-WCX2a | 第36-38页 |
| ·实验结果及分析 | 第38-43页 |
| ·随机投影稀疏表示实验 | 第39-42页 |
| ·小样本条件下识别率增强 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 4 基于稀疏表示的质谱数据生物标志物挑选 | 第44-52页 |
| ·基于稀疏表示分类的特征选择算法 | 第44-45页 |
| ·数据库描述与预处理 | 第45-46页 |
| ·公共卵巢癌 OC-WCX2a 数据集 | 第45-46页 |
| ·肿瘤医院 BC-WCX2a 数据集 | 第46页 |
| ·实验结果与分析 | 第46-51页 |
| ·子空间维度选择实验 | 第46-47页 |
| ·稀疏表示特征选择实验 | 第47-48页 |
| ·特征位点与蛋白谱峰的对应 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 附录 | 第61页 |
