| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 本文的主要内容 | 第15页 |
| 1.4 本文的组织结构 | 第15-17页 |
| 2 相关研究方法 | 第17-31页 |
| 2.1 基因表达数据 | 第17-18页 |
| 2.2 相似度计算 | 第18-20页 |
| 2.3 聚类 | 第20-26页 |
| 2.3.1 传统聚类 | 第20-21页 |
| 2.3.2 双聚类 | 第21-23页 |
| 2.3.3 传统聚类集成 | 第23-24页 |
| 2.3.4 双聚类集成 | 第24-26页 |
| 2.4 评价方法 | 第26-29页 |
| 2.4.1 聚类评价度量 | 第26-28页 |
| 2.4.2 双聚类评价度量 | 第28页 |
| 2.4.3 聚类簇个数的设置 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 3 基于矩阵分解并结合基因相互网络的双聚类算法(NetBC) | 第31-47页 |
| 3.1 NetBC方法原理 | 第31-35页 |
| 3.1.1 双聚类簇 | 第31页 |
| 3.1.2 平方残差 | 第31-33页 |
| 3.1.3 训练基因的权值 | 第33-34页 |
| 3.1.4 NetBC目标方程优化 | 第34-35页 |
| 3.2 实验结果分析 | 第35-46页 |
| 3.2.1 数据集 | 第35-37页 |
| 3.2.2 对比方法 | 第37页 |
| 3.2.3 TCGA癌症基因表达数据集实验 | 第37-40页 |
| 3.2.4 已知癌症亚型基因表达数据集实验 | 第40-41页 |
| 3.2.5 模拟数据集上实验 | 第41-45页 |
| 3.2.6 时间复杂度和运行时间分析 | 第45-46页 |
| 3.3 本章小结 | 第46-47页 |
| 4 基于混合图的双聚类集成算法(CoCE) | 第47-63页 |
| 4.1 CoCE方法原理 | 第47-53页 |
| 4.1.1 基因与样本相关性 | 第47-50页 |
| 4.1.2 CoCE目标方程 | 第50-52页 |
| 4.1.3 CoCE目标方程优化 | 第52-53页 |
| 4.2 实验结果分析 | 第53-62页 |
| 4.2.1 数据集 | 第53-54页 |
| 4.2.2 对比方法 | 第54页 |
| 4.2.3 癌症基因表达数据上实验 | 第54-58页 |
| 4.2.4 基础聚类多样性VS集成聚类规模 | 第58-61页 |
| 4.2.5 时间复杂度和运行时间分析 | 第61-62页 |
| 4.3 本章小结 | 第62-63页 |
| 5 总结与展望 | 第63-65页 |
| 5.1 论文总结 | 第63-64页 |
| 5.2 论文展望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-73页 |
| 发表论文及参加课题一览表 | 第73页 |