首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--理论、方法论文--算法理论论文

基于低秩约束的表示方法研究及在生物测序数据上的应用

摘要第3-4页
Abstract第4-5页
第1章 绪论第8-11页
    1.1 研究背景及意义第8-9页
        1.1.1 研究背景第8页
        1.1.2 研究意义第8-9页
    1.2 国内外研究综述第9-10页
    1.3 研究方法第10页
    1.4 研究的创新点第10-11页
第2章 低秩约束表示方法理论和差异表达基因识别第11-14页
    2.1 低秩约束表示方法理论第11页
    2.2 差异表达基因识别第11-14页
        2.2.1 生物信息学概述第11-12页
        2.2.2 生物测序数据第12页
        2.2.3 TCGA数据库第12页
        2.2.4 基因分析工具第12-14页
第3章 基于拉普拉斯映射的低秩约束表示方法研究第14-22页
    3.1 基本概念及相关定理第14页
    3.2 拉普拉斯映射第14-15页
    3.3 基于拉普拉斯映射的低秩约束表示方法第15-16页
    3.4 识别差异表达基因第16-17页
    3.5 实验与讨论第17-21页
        3.5.1 仿真数据上的实验与讨论第17-18页
        3.5.2 胰腺癌数据集上的实验与讨论第18-20页
        3.5.3 胆管癌数据集上的实验与讨论第20-21页
    3.6 小结第21-22页
第4章 基于截断核范数约束的低秩约束表示方法研究第22-30页
    4.1 截断核范数第22-23页
    4.2 基于截断核范数约束的低秩约束表示方法第23-24页
    4.3 参数设置第24-25页
    4.4 实验与讨论第25-29页
        4.4.1 胰腺癌数据集上的实验与讨论第25-26页
        4.4.2 食管癌数据集上的实验与讨论第26-28页
        4.4.3 胆管癌数据集上的实验与讨论第28-29页
    4.5 小结第29-30页
第5章 基于L_(2,1)范数的低秩约束表示方法研究第30-35页
    5.1 L_(2,1)范数第30页
    5.2 基于L_(2,1)范数的低秩约束表示方法第30-31页
    5.3 参数设置第31页
    5.4 实验与讨论第31-34页
        5.4.1 食管癌数据集上的实验与讨论第31-33页
        5.4.2 头颈鳞癌数据集上的实验与讨论第33-34页
    5.5 小结第34-35页
第6章 结论与展望第35-37页
    6.1 研究结论第35页
    6.2 研究不足及展望第35-37页
        6.2.1 研究不足第35-36页
        6.2.2 研究展望第36-37页
参考文献第37-43页
在读期间发表的学术论文及研究成果第43-44页
致谢第44页

论文共44页,点击 下载论文
上一篇:基于深度学习的图像超分辨率重构技术研究
下一篇:基于整合矩阵分解算法的药物挖掘方法研究