| 提要 | 第1-7页 |
| 第1章 绪论 | 第7-12页 |
| ·选题背景及意义 | 第7-8页 |
| ·pathway 预测的数据源 | 第8页 |
| ·国内外研究现状及分析 | 第8-11页 |
| ·本文的工作及结构安排 | 第11-12页 |
| ·本文的工作 | 第11页 |
| ·章 节安排 | 第11-12页 |
| 第2章 人工神经网络和聚类算法简介 | 第12-16页 |
| ·人工神经网络的发展状况 | 第12-15页 |
| ·常用的聚类算法 | 第15-16页 |
| 第3章 自组织特征映射神经网络 SOM | 第16-24页 |
| ·SOM 简介 | 第16页 |
| ·二维阵列 SOM 模型 | 第16-19页 |
| ·SOM 模型的学习算法 | 第19-24页 |
| 第4章 基于 SOM 算法的PATHWAY 元素的识别 | 第24-34页 |
| ·问题简介 | 第24-25页 |
| ·SOM 算法的具体步骤 | 第25-27页 |
| ·SOM 算法实际应用中的问题 | 第27-34页 |
| ·数据归一化 | 第27-28页 |
| ·学习率和邻域的选择 | 第28-30页 |
| ·SOM 算法同 K-均值算法的对比 | 第30-34页 |
| 第5章 实验测试和分析 | 第34-42页 |
| ·实验环境 | 第34页 |
| ·实验数据及特征提取 | 第34-37页 |
| ·实验结果评价方法及实验结果分析 | 第37-40页 |
| ·SOM 相关参数对预测的影响 | 第40-42页 |
| 第6章 结论与展望 | 第42-43页 |
| 参考文献 | 第43-48页 |
| 致谢 | 第48-49页 |
| 摘要 | 第49-52页 |
| ABSTRACT | 第52-55页 |