| 中文摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景 | 第8-9页 |
| ·基因表达数据分析研究现状 | 第9-10页 |
| ·监督学习 | 第9-10页 |
| ·无监督学习 | 第10页 |
| ·本文工作安排 | 第10-12页 |
| 第二章 基因芯片与基因表达数据 | 第12-18页 |
| ·基因芯片的发展及现状 | 第12-13页 |
| ·基因芯片的原理、分类及应用 | 第13-15页 |
| ·基因芯片的原理及分类 | 第13-15页 |
| ·基因芯片的应用 | 第15页 |
| ·基因表达数据特性 | 第15-17页 |
| ·基因表达数据集 | 第17-18页 |
| 第三章 数据降维算法 | 第18-31页 |
| ·降维算法的基本概念 | 第18-24页 |
| ·主成分分析法 | 第19-20页 |
| ·拉普拉斯特征值映射法 | 第20-21页 |
| ·多维度标度法 | 第21-24页 |
| ·几种降维算法的比较 | 第24-30页 |
| ·3d_clusters 数据组 | 第24-26页 |
| ·helix 数据组 | 第26-28页 |
| ·twinpeaks 数据组 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基因数据分类方法 | 第31-40页 |
| ·基因分类算法 | 第31页 |
| ·机器学习的基本问题 | 第31-32页 |
| ·统计学习理论 | 第32-35页 |
| ·VC (Vapnik-Chervonenkis Dimension)维 | 第32-33页 |
| ·推广性的界 | 第33页 |
| ·结构风险最小化 | 第33-35页 |
| ·支持向量机 | 第35-40页 |
| ·最优分类超平面 | 第35-36页 |
| ·构造最优分类平面 | 第36-37页 |
| ·构造支持向量机 | 第37-38页 |
| ·核函数 | 第38-40页 |
| 第五章 实验与分析 | 第40-61页 |
| ·基因数据分类 | 第40-59页 |
| ·Lung 数据分类 | 第41-50页 |
| ·DLBCL 数据分类 | 第50-59页 |
| ·结论 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 攻读学位期间本人出版或公开发表的论著、论文 | 第66-67页 |
| 致谢 | 第67-68页 |