自适应主分量提取算法在基因表达数据中的应用

摘要	第1-4页
Abstract	第4-7页
第一章 绪论	第7-10页
·研究背景和意义	第7-9页
·本文的主要研究工作和论文结构	第9-10页
第二章 模式识别概述	第10-18页
·模式识别的发展概况	第10-12页
·特征提取	第12-13页
·主分量分析	第13-18页
·K-L 变换的具体过程	第14-16页
·主分量分析的用途	第16-18页
第三章 神经网络模式识别	第18-27页
·神经网络概述	第19-22页
·神经元的结构模型	第20-21页
·神经网络结构分类	第21-22页
·多主元提取算法	第22-27页
·基于Hebb 的最大特征滤波器	第22-24页
·基于Sanger 算法的主分量分析	第24页
·自适应主分量抽取神经网络（APEX）	第24-27页
第四章 APEX 神经网络分析与设计研究	第27-32页
·收敛性证明	第27-28页
·学习率问题	第28页
·训练样本集的准备	第28-29页
·初始权值的设计	第29页
·网络训练与测试	第29-30页
·APEX 算法小结	第30-32页
第五章 实验与结论	第32-42页
·实验一：学习率取值对网络收敛性能的影响	第33-34页
·实验二：对特征值分布的敏感度比较	第34-36页
·实验三：处理小样本数据的性能比较	第36-37页
·实验四：收敛速度比较	第37-40页
·数据结构分析	第37-39页
·收敛速度比较	第39页
·数据重建及误差分析	第39-40页
·实验小结	第40-42页
结束语	第42-43页
致谢	第43-44页
参考文献	第44-47页
硕士期间的研究成果	第47-48页