| 中文摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 关于特征变量的识别 | 第10-12页 |
| 1.2.2 关于吸烟相关肺腺癌的研究 | 第12-13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 第二章 机器学习算法及其在不同领域的应用 | 第14-21页 |
| 2.1 机器学习算法应用简介 | 第14-15页 |
| 2.2 机器学习算法在生物信息学中的应用 | 第15-17页 |
| 2.2.1 特征变量筛选 | 第15-16页 |
| 2.2.2 模式识别与分类 | 第16-17页 |
| 2.3 机器学习算法概述 | 第17-21页 |
| 2.3.1 SVM算法基本原理及应用 | 第17-18页 |
| 2.3.2 PLS算法基本原理及应用 | 第18-20页 |
| 2.3.3 KPLS算法基本原理及应用 | 第20-21页 |
| 第三章 肺腺癌吸烟相关模式识别分类及特征基因识别 | 第21-47页 |
| 3.1 引言 | 第21-22页 |
| 3.2 数据与预处理 | 第22-23页 |
| 3.2.1 数据集 | 第22-23页 |
| 3.2.2 数据预处理方法 | 第23页 |
| 3.3 基于多重迭代优化的特征基因识别与模式识别分类 | 第23-26页 |
| 3.3.1 特征基因识别的多重迭代优化 | 第23-25页 |
| 3.3.2 肺腺癌吸烟相关的模式识别分类 | 第25页 |
| 3.3.3 模式识别分类模型的优化 | 第25-26页 |
| 3.3.4 模式识别分类流程图 | 第26页 |
| 3.4 模式识别模型评价方法 | 第26-27页 |
| 3.5 结果与讨论 | 第27-39页 |
| 3.5.1 基于GE数据的特征基因 | 第27-33页 |
| 3.5.2 基于ME数据的特征基因 | 第33-38页 |
| 3.5.3 与已有类似研究结果的比较 | 第38-39页 |
| 3.6 代谢通路与基因功能分析 | 第39-46页 |
| 3.6.1 特征基因KEGG分析 | 第39-41页 |
| 3.6.2 特征基因IPA分析 | 第41-45页 |
| 3.6.3 基因功能注释 | 第45-46页 |
| 3.7 本章小结 | 第46-47页 |
| 第四章 探索基于拷贝数变异数据的模式识别分类与特征基因识别 | 第47-57页 |
| 4.1 引言 | 第47-48页 |
| 4.2 数据与预处理 | 第48-49页 |
| 4.2.1 数据集 | 第48页 |
| 4.2.2 数据预处理方法 | 第48-49页 |
| 4.3 结果与讨论 | 第49-53页 |
| 4.3.1 模式识别分类及结果 | 第49-52页 |
| 4.3.2 特征基因及其特征统计 | 第52-53页 |
| 4.4 代谢通路与基因功能分析 | 第53-56页 |
| 4.4.1 特征基因KEGG分析 | 第53-54页 |
| 4.4.2 特征基因IPA分析 | 第54-56页 |
| 4.4.3 基因功能注释 | 第56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 工作总结与展望 | 第57-59页 |
| 5.1 工作总结 | 第57页 |
| 5.2 展望 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 发表论文和参加科研情况说明 | 第65-66页 |
| 致谢 | 第66-67页 |