| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文的工作及安排 | 第11-13页 |
| 第二章 肿瘤分类的基本理论 | 第13-27页 |
| 2.1 基因表达谱数据 | 第13-16页 |
| 2.1.1 基因表达谱数据的获取 | 第13-15页 |
| 2.1.2 基因表达谱数据的特点 | 第15-16页 |
| 2.2 肿瘤基因表达谱数据处理方法 | 第16-18页 |
| 2.2.1 基因表达谱数据的预处理 | 第16-17页 |
| 2.2.2 信息基因选择 | 第17-18页 |
| 2.3 分类方法 | 第18-23页 |
| 2.3.1 传统分类模型和稀疏表示方法的对比 | 第19-20页 |
| 2.3.2 支持向量机 | 第20-22页 |
| 2.3.3 稀疏表示分类器 | 第22-23页 |
| 2.4 肿瘤分类的性能评价 | 第23-25页 |
| 2.5 小结 | 第25-27页 |
| 第三章 基于反投影表示和类别贡献率的肿瘤分类方法 | 第27-45页 |
| 3.1 基于稀疏表示的分类及其稳定性分析 | 第27-29页 |
| 3.2 反投影表示及其可行性分析 | 第29-31页 |
| 3.3 基于反投影表示的分类及其稳定性分析 | 第31-35页 |
| 3.3.1 一种新的分类准则——类别贡献率 | 第31-33页 |
| 3.3.2 基于反投影表示的分类及其稳定性分析 | 第33-35页 |
| 3.4 基于反投影表示的肿瘤分类方法 | 第35页 |
| 3.5 实验结果与分析 | 第35-43页 |
| 3.5.1 反投影表示的性能评价 | 第37页 |
| 3.5.2 类别贡献率的性能评价 | 第37-40页 |
| 3.5.3 鲁棒性 | 第40-42页 |
| 3.5.4 与目前基于SRC改进的分类技术的性能对比 | 第42-43页 |
| 3.5.5 计算复杂度分析 | 第43页 |
| 3.6 本章小结 | 第43-45页 |
| 第四章 基于反投影表示和两阶段混合基因选择的肿瘤分类 | 第45-63页 |
| 4.1 两阶段混合基因选择方法 | 第45-50页 |
| 4.1.1 基因初选方法 | 第45-47页 |
| 4.1.2 Lasso方法 | 第47-48页 |
| 4.1.3 两阶段混合基因选择方法 | 第48-50页 |
| 4.2 实验结果与分析 | 第50-56页 |
| 4.2.1 基因初选的有效性检验 | 第51-52页 |
| 4.2.2 Lasso的可行性检验 | 第52页 |
| 4.2.3 两阶段混合基因选择的高效性检验 | 第52-54页 |
| 4.2.4 基于主成分分析的基因选择可视化 | 第54-56页 |
| 4.3 候选致病基因的分析 | 第56-61页 |
| 4.4 本章小结 | 第61-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 攻读硕士期间撰写的学术论文 | 第71-73页 |
| 攻读硕士期间参与的科研项目 | 第73-75页 |
| 攻读硕士期间获奖情况 | 第75页 |