| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第11-27页 |
| 1.1 研究背景及意义 | 第11-17页 |
| 1.1.1 生物信息学 | 第11-12页 |
| 1.1.2 DNA微阵列 | 第12-14页 |
| 1.1.3 基因表达谱数据挖掘 | 第14-16页 |
| 1.1.4 研究意义 | 第16-17页 |
| 1.2 研究现状 | 第17-22页 |
| 1.2.1 特征基因选择 | 第17-20页 |
| 1.2.2 基因表达谱样本分类 | 第20-22页 |
| 1.3 研究内容 | 第22-23页 |
| 1.4 结构安排 | 第23-27页 |
| 1.4.1 论文结构 | 第23页 |
| 1.4.2 章节逻辑关系 | 第23-27页 |
| 2 基因表达谱数据挖掘基础理论 | 第27-43页 |
| 2.1 引言 | 第27页 |
| 2.2 特征基因选择 | 第27-33页 |
| 2.2.1 特征基因选择的概念与意义 | 第27-28页 |
| 2.2.2 特征基因的选择过程 | 第28页 |
| 2.2.3 常用特征基因选择方法 | 第28-33页 |
| 2.3 组织样本分类 | 第33-42页 |
| 2.3.1 分类的概念 | 第33-34页 |
| 2.3.2 分类方法 | 第34-37页 |
| 2.3.3 集成分类方法 | 第37-42页 |
| 2.4 小结 | 第42-43页 |
| 3 基于优化的邻域互信息的特征基因选择 | 第43-65页 |
| 3.1 引言 | 第43-44页 |
| 3.2 Relief算法和Relief F算法 | 第44-45页 |
| 3.3 邻域互信息模型 | 第45-49页 |
| 3.3.1 互信息 | 第45-46页 |
| 3.3.2 邻域互信息 | 第46-48页 |
| 3.3.3 基于前向贪心搜索策略的邻域互信息的特征基因选择 | 第48-49页 |
| 3.4 优化邻域互信息半径的差分进化算法 | 第49-52页 |
| 3.4.1 差分进化算法 | 第49-50页 |
| 3.4.2 基于差分进化算法优化邻域互信息半径 | 第50-52页 |
| 3.5 本章提出的特征基因选择方法 | 第52-53页 |
| 3.6 仿真实验 | 第53-63页 |
| 3.6.1 实验数据 | 第53-54页 |
| 3.6.2 实验方法与参数设置 | 第54页 |
| 3.6.3 试验结果及分析 | 第54-63页 |
| 3.7 小结 | 第63-65页 |
| 4 基于改进的和声搜索算法的特征基因选择 | 第65-85页 |
| 4.1 引言 | 第65-66页 |
| 4.2 Kruskal-Wallis算法 | 第66-67页 |
| 4.3 和声搜索算法的改进 | 第67-70页 |
| 4.3.1 经典和声搜索算法（HS） | 第67-68页 |
| 4.3.2 改进的和声搜索算法 | 第68-70页 |
| 4.4 本章提出的特征基因选择方法 | 第70-73页 |
| 4.5 仿真实验 | 第73-83页 |
| 4.5.1 实验数据 | 第73-74页 |
| 4.5.2 实验方法与参数设置 | 第74页 |
| 4.5.3 试验结果及分析 | 第74-83页 |
| 4.6 小结 | 第83-85页 |
| 5 基于改进的旋转森林算法的集成分类 | 第85-111页 |
| 5.1 引言 | 第85-86页 |
| 5.2 改进的分类信息指数法 | 第86-87页 |
| 5.3 旋转森林 | 第87-89页 |
| 5.3.1 标准旋转森林算法的基本思想 | 第87-88页 |
| 5.3.2 标准旋转森林算法的基本步骤 | 第88-89页 |
| 5.4 极限学习机 | 第89-91页 |
| 5.5 本章提出的基因表达谱分类方法 | 第91-94页 |
| 5.5.1 改进的旋转森林算法 | 第91-93页 |
| 5.5.2 基于改进的旋转森林算法的基因表达谱分类 | 第93-94页 |
| 5.6 仿真实验 | 第94-109页 |
| 5.6.1 实验数据 | 第94-95页 |
| 5.6.2 实验方法与参数设置 | 第95页 |
| 5.6.3 试验结果及分析 | 第95-109页 |
| 5.7 小结 | 第109-111页 |
| 6 基于改进的教与学优化算法的选择性集成分类 | 第111-133页 |
| 6.1 引言 | 第111-112页 |
| 6.2 邻域互信息模型 | 第112-113页 |
| 6.3 基于改进的教与学优化算法的基分类器选择 | 第113-120页 |
| 6.3.1 标准教与学优化算法 | 第113-114页 |
| 6.3.2 改进的教与学优化算法（GATLBO） | 第114-118页 |
| 6.3.3 基于GATLBO的基分类器选择性集成 | 第118-120页 |
| 6.4 本章提出的基因表达谱分类方法 | 第120-122页 |
| 6.5 仿真实验 | 第122-131页 |
| 6.5.1 实验数据 | 第122-123页 |
| 6.5.2 实验方法与参数设置 | 第123-124页 |
| 6.5.3 试验结果及分析 | 第124-131页 |
| 6.6 小结 | 第131-133页 |
| 7 总结与展望 | 第133-135页 |
| 7.1 本文工作小结 | 第133-134页 |
| 7.2 进一步研究的问题 | 第134-135页 |
| 参考文献 | 第135-149页 |
| 致谢 | 第149-151页 |
| 攻读博士学位期间发表的学术论文和参加科研情况 | 第151-153页 |