| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景及意义 | 第7-9页 |
| ·研究现状 | 第9-11页 |
| ·论文主要工作 | 第11-12页 |
| ·章节安排 | 第12-13页 |
| 第二章 相关理论介绍 | 第13-29页 |
| ·特征选择 | 第13-19页 |
| ·特征选择的框架 | 第13-14页 |
| ·特征选择的方法 | 第14-17页 |
| ·特征选择的搜索策略 | 第17-19页 |
| ·集成学习 | 第19-25页 |
| ·集成学习概述 | 第19-22页 |
| ·集成学习的构成 | 第22页 |
| ·集成学习的主要算法 | 第22-25页 |
| ·支持向量机 | 第25-28页 |
| ·SVM 分类原理 | 第25-26页 |
| ·SVM 核函数 | 第26-27页 |
| ·SVM 参数选取方法 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于混合特征选择的基因微阵列数据分类 | 第29-43页 |
| ·Filter 特征预处理 | 第29-31页 |
| ·F 得分法 | 第29-30页 |
| ·t 检验法 | 第30-31页 |
| ·基于 SVM-RFE 和 SVM-RFA 的 Wrapper 特征选择 | 第31-36页 |
| ·SVM-RFE 和 SVM-RFA | 第31-34页 |
| ·SVM-RFEA | 第34-35页 |
| ·SVM-DEA | 第35-36页 |
| ·多分类器集成系统的构建和设计 | 第36-39页 |
| ·可行性分析 | 第36-37页 |
| ·构建方法 | 第37-39页 |
| ·算法详细设计 | 第39-42页 |
| ·算法流程 | 第39页 |
| ·算法步骤 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 实验结果及分析 | 第43-51页 |
| ·实验数据及参数设置 | 第43-45页 |
| ·实验数据 | 第43-44页 |
| ·实验参数设置 | 第44-45页 |
| ·实验结果及分析 | 第45-50页 |
| ·混合特征选择算法验证 | 第45-49页 |
| ·基于混合特征选择的集成学习算法验证 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 总结和展望 | 第51-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-59页 |