| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-21页 |
| §1.1 生物信息挖掘 | 第9-12页 |
| §1.1.1 生物信息学 | 第9-10页 |
| §1.1.2 基于微阵列数据的生物信息挖掘 | 第10-11页 |
| §1.1.3 基因选择 | 第11-12页 |
| §1.2 统计机器学习 | 第12-17页 |
| §1.2.1 统计学习理论 | 第12-13页 |
| §1.2.2 支持向量机类方法 | 第13-15页 |
| §1.2.3 Lasso类方法 | 第15-17页 |
| §1.3 课题来源、研究动机及内容 | 第17-21页 |
| §1.3.1 课题来源 | 第17页 |
| §1.3.2 研究动机 | 第17-19页 |
| §1.3.3 研究内容 | 第19-21页 |
| 第二章 自适应稀疏群Lasso | 第21-43页 |
| §2.1 问题陈述 | 第21-22页 |
| §2.2 基于网络分析的自适应稀疏群Lasso模型 | 第22-26页 |
| §2.2.1 分群策略 | 第22-23页 |
| §2.2.2 自适应基因选择策略 | 第23-25页 |
| §2.2.3 统计学习模型 | 第25-26页 |
| §2.3 大鼠肝细胞增殖基因表达数据中的基因分群 | 第26-33页 |
| §2.3.1 预处理大鼠肝细胞增殖基因表达数据 | 第27-28页 |
| §2.3.2 构造加权基因共表达网络 | 第28-29页 |
| §2.3.3 识别加权基因共表达网络模块 | 第29-33页 |
| §2.4 自适应稀疏群Lasso的求解算法 | 第33-37页 |
| §2.5 大鼠肝细胞增殖过程的生物信息挖掘实验 | 第37-41页 |
| §2.6 本章小结 | 第41-43页 |
| 第三章 多项式稀疏重叠群Lasso | 第43-59页 |
| §3.1 问题陈述 | 第43-44页 |
| §3.2 基于网络分析的多项式稀疏重叠群Lasso模型 | 第44-47页 |
| §3.2.1 重叠分群策略 | 第44-45页 |
| §3.2.2 统计学习模型 | 第45-47页 |
| §3.3 多项式稀疏重叠群Lasso的求解算法 | 第47-52页 |
| §3.3.1 分群算法 | 第47页 |
| §3.3.2 改进的坐标下降算法 | 第47-52页 |
| §3.4 肺癌的多类分类和群体基因选择实验 | 第52-57页 |
| §3.5 本章小结 | 第57-59页 |
| 第四章 结论与展望 | 第59-61页 |
| §4.1 结论 | 第59-60页 |
| §4.2 展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-69页 |
| 攻读学位期间的科研成果 | 第69-71页 |