生物数据分类问题的降维及规划算法研究
| 摘要 | 第1-5页 |
| abstract | 第5-11页 |
| 第一章 绪论 | 第11-15页 |
| ·研究背景和意义 | 第11-12页 |
| ·本课题的研究现状 | 第12-14页 |
| ·主要工作内容及创新点 | 第14-15页 |
| ·章节安排 | 第14页 |
| ·创新点 | 第14-15页 |
| 第二章 基因表达谱数据挖掘方法 | 第15-27页 |
| ·基因表达谱简介 | 第15-19页 |
| ·基因表达 | 第15-16页 |
| ·基因表达谱的获取 | 第16-17页 |
| ·基因表达谱的数据特点 | 第17-18页 |
| ·常用基因表达谱数据库 | 第18-19页 |
| ·基因表达谱的特征选择 | 第19-21页 |
| ·t-检验与Wilcoxon秩和检验 | 第19-20页 |
| ·微阵列预测分析PAM | 第20-21页 |
| ·正则随机森林RRF | 第21页 |
| ·基因表达谱的分类算法 | 第21-23页 |
| ·近邻分类器 | 第22页 |
| ·支持向量机 | 第22-23页 |
| ·性能评价 | 第23-24页 |
| ·交叉验证 | 第23-24页 |
| ·性能指标 | 第24页 |
| ·小结 | 第24-27页 |
| 第三章基于最大信息系数MIC的两阶段特征选择 | 第27-39页 |
| ·最大信息系数MIC | 第27-29页 |
| ·McTwo模型描述 | 第29-32页 |
| ·性能分析 | 第32-37页 |
| ·数据描述 | 第32页 |
| ·McTwo与McOne比较 | 第32-34页 |
| ·McTwo与其它优化子集算法比较 | 第34-36页 |
| ·McTwo与单特征排序算法比较 | 第36-37页 |
| ·生物学意义分析 | 第37-38页 |
| ·小结 | 第38-39页 |
| 第四章 有限制的规划类特征选择 | 第39-49页 |
| ·整合知识的特征选择算法 | 第39-40页 |
| ·cLP模型描述 | 第40-42页 |
| ·肿瘤疾病建模，限制条件: 基因P53 | 第42-44页 |
| ·数据描述 | 第42-43页 |
| ·分类性能比较 | 第43-44页 |
| ·心脑血管疾病建模，限制条件: 基因ACE2 | 第44-46页 |
| ·数据描述 | 第44-45页 |
| ·分类性能比较 | 第45-46页 |
| ·生物学意义分析 | 第46-47页 |
| ·小结 | 第47-49页 |
| 第五章 结束语 | 第49-51页 |
| ·本文工作总结 | 第49页 |
| ·展望 | 第49-51页 |
| 参考文献 | 第51-57页 |
| 致谢 | 第57-59页 |
| 作者简介 | 第59页 |
