| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-13页 |
| 1 绪论 | 第13-20页 |
| ·研究背景与意义 | 第13-14页 |
| ·国内外研究现状 | 第14-16页 |
| ·实验环境及数据集 | 第16-17页 |
| ·创新点 | 第17-18页 |
| ·各章研究内容与论文结构 | 第18-20页 |
| 2 理论基础 | 第20-30页 |
| ·信息论 | 第20-22页 |
| ·信息熵 | 第20-21页 |
| ·互信息理论 | 第21-22页 |
| ·正则极限学习机 | 第22-26页 |
| ·极限学习机简介 | 第23-24页 |
| ·正则极限学习机简介 | 第24-25页 |
| ·正则极限学习机研究现状 | 第25-26页 |
| ·优化算法 | 第26-30页 |
| ·遗传算法 | 第26-27页 |
| ·人工鱼群优化算法 | 第27-28页 |
| ·Fibonacci优化算法 | 第28-30页 |
| 3 基于互信息最大化的模型无关基因选择方法 | 第30-40页 |
| ·引言 | 第30-31页 |
| ·基于互信息最大化的基因分组与筛选 | 第31-32页 |
| ·基于模型无关遗传算法的基因选择 | 第32-34页 |
| ·模型无关基因选择方法 | 第32-33页 |
| ·适应度函数 | 第33-34页 |
| ·MMIGA-Selection | 第34-35页 |
| ·算法分析 | 第34页 |
| ·算法描述 | 第34-35页 |
| ·实验与结果分析 | 第35-39页 |
| ·本章小结 | 第39-40页 |
| 4 基于云平台的互信息最大化基因特征选择方法 | 第40-46页 |
| ·引言 | 第40页 |
| ·基于云计算平台的特征选择系统 | 第40-43页 |
| ·Hadoop云计算平台的体系结构 | 第41-42页 |
| ·基于Map Reduce的特征过滤 | 第42-43页 |
| ·实验与结果分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 5 基于鱼群优化算法和Cholesky分解的RELM的基因表达数据分类 | 第46-53页 |
| ·引言 | 第46页 |
| ·RELM | 第46-47页 |
| ·基于鱼群优化算法的RELM输入权值改进 | 第47-48页 |
| ·基于Cholesky分解的RELM输出权值求解 | 第48-49页 |
| ·实验与结果分析 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 6 基于Fibonacci优化理论的改进RELM的基因表达数据分类 | 第53-61页 |
| ·引言 | 第53页 |
| ·Fibonacci理论 | 第53-55页 |
| ·Fibonacci序列 | 第53-54页 |
| ·Fibonacci直接搜索法 | 第54-55页 |
| ·基于Fibonacci法优化的RELM算法 | 第55-56页 |
| ·实验与结果分析 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 7 结论 | 第61-63页 |
| ·研究总结 | 第61-62页 |
| ·工作展望 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 作者简历 | 第69-70页 |