基于信息熵的改进k-TSP方法及其在癌症分类中的应用
| 提要 | 第1-7页 |
| 第1章 绪论 | 第7-12页 |
| ·生物信息学概述 | 第7-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·本文主要研究内容 | 第10-12页 |
| 第2章 基因表达数据 | 第12-18页 |
| ·生物芯片 | 第12-15页 |
| ·寡核苷酸芯片 | 第12-13页 |
| ·cDNA微阵列 | 第13-15页 |
| ·基因表达数据 | 第15-16页 |
| ·基因表达数据的概念 | 第15页 |
| ·基因表达数据分析的特点 | 第15-16页 |
| ·基于基因表达数据的癌症诊断 | 第16-18页 |
| 第3章 k-TSP算法介绍 | 第18-25页 |
| ·TSP算法 | 第18-20页 |
| ·TSP分类器的训练 | 第18-20页 |
| ·TSP分类器的预测 | 第20页 |
| ·k-TSP算法 | 第20-23页 |
| ·k-TSP分类器的训练 | 第21-22页 |
| ·k-TSP分类器的预测 | 第22-23页 |
| ·多分类算法 | 第23-25页 |
| 第4章 基于信息熵的k-TSP算法 | 第25-42页 |
| ·信息熵 | 第25-26页 |
| ·基于信息熵的k-TSP算法 | 第26-31页 |
| ·癌症基因芯片数据分析 | 第31-42页 |
| ·实验数据来源 | 第31-32页 |
| ·参数确定与分类准确率分析 | 第32-35页 |
| ·分类器所用基因个数分析 | 第35-37页 |
| ·生物学意义分析 | 第37-42页 |
| 第5章 总结与展望 | 第42-44页 |
| ·总结 | 第42页 |
| ·展望 | 第42-44页 |
| 参考文献 | 第44-47页 |
| 致谢 | 第47-48页 |
| 摘要 | 第48-50页 |
| Abstract | 第50-52页 |
