| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 DNA微阵列技术 | 第13-14页 |
| 1.2.1 DNA微阵列技术原理 | 第13页 |
| 1.2.2 基因表达数据特点 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-17页 |
| 1.3.1 数据集的选择 | 第14-15页 |
| 1.3.2 数据预处理 | 第15页 |
| 1.3.3 分类器的设计 | 第15-16页 |
| 1.3.4 特征选择 | 第16-17页 |
| 1.4 研究内容 | 第17-18页 |
| 1.5 章节安排 | 第18-19页 |
| 第2章 癌症分类问题概述 | 第19-30页 |
| 2.1 特征选择 | 第19-21页 |
| 2.1.1 特征选择的定义 | 第19-20页 |
| 2.1.2 特征选择的方法及分类 | 第20-21页 |
| 2.2 信息增益与互信息 | 第21页 |
| 2.3 最近邻算法 | 第21-22页 |
| 2.4 支持向量机 | 第22-26页 |
| 2.5 集成方法 | 第26-27页 |
| 2.6 贝叶斯分类器 | 第27-29页 |
| 2.7 本章小结 | 第29-30页 |
| 第3章 数据预处理和特征基因选择 | 第30-34页 |
| 3.1 数据预处理 | 第30页 |
| 3.2 特征基因选择方法 | 第30-31页 |
| 3.2.1 信息熵 | 第31页 |
| 3.2.2 信息增益 | 第31页 |
| 3.3 冗余基因剔除方法 | 第31-32页 |
| 3.3.1 互信息 | 第32页 |
| 3.4 LSSVM预测模型 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 互信息去冗余与多种模型结合的分类模型构建 | 第34-38页 |
| 4.1 预测方法框架 | 第34-35页 |
| 4.2 数据预处理 | 第35页 |
| 4.3 特征基因选择 | 第35页 |
| 4.4 冗余基因去除 | 第35-36页 |
| 4.5 分类模型的构建 | 第36页 |
| 4.5.1 最近邻算法 | 第36页 |
| 4.5.2 支持向量机 | 第36页 |
| 4.6 本章小结 | 第36-38页 |
| 第5章 实验研究与优化 | 第38-48页 |
| 5.1 实验 | 第38页 |
| 5.1.1 Anaconda介绍 | 第38页 |
| 5.1.2 实验环境 | 第38页 |
| 5.2 实验概况 | 第38-40页 |
| 5.2.1 数据集介绍 | 第38-39页 |
| 5.2.2 模型参数设置 | 第39页 |
| 5.2.3 分类性能评价指标 | 第39-40页 |
| 5.3 案例1:不同特征选择方法与LSSVM组合实验 | 第40-42页 |
| 5.4 案例2:不同特征选择方法与多种分类器结合对比实验 | 第42-44页 |
| 5.5 案例3:TCGA数据集对比实验 | 第44-46页 |
| 5.6 案例4:与以往研究对比实验 | 第46-47页 |
| 5.7 本章小结 | 第47-48页 |
| 结论 | 第48-50页 |
| 参考文献 | 第50-55页 |
| 附录A 攻读学位期间所发表的学术论文 | 第55-56页 |
| 附录B 攻读学位期间参与的科研项目 | 第56-57页 |
| 致谢 | 第57页 |