基于遗传算法与支持向量机融合的特征基因抽取方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题背景 | 第9-11页 |
| ·基因芯片的研究意义 | 第9页 |
| ·基因芯片的类型与应用 | 第9-11页 |
| ·国内外研究现状 | 第11-15页 |
| ·基因表达数据的研究现状 | 第12页 |
| ·支持向量机的研究现状 | 第12-14页 |
| ·支持向量机在基因表达数据分析中的应用 | 第14-15页 |
| ·本课题意义及主要研究内容 | 第15-16页 |
| ·本课题的来源 | 第16-17页 |
| 第2章 特征基因抽取的相关方法 | 第17-33页 |
| ·特征基因抽取的基本概念 | 第17-21页 |
| ·特征基因抽取方法 | 第18-21页 |
| ·遗传算法理论 | 第21-25页 |
| ·遗传算法概述 | 第22页 |
| ·遗传算法基本流程 | 第22-24页 |
| ·遗传算法数学基础 | 第24-25页 |
| ·统计学习理论 | 第25-28页 |
| ·学习一致性的条件 | 第25-27页 |
| ·函数集VC 维 | 第27-28页 |
| ·推广性的界 | 第28页 |
| ·支持向量机理论 | 第28-32页 |
| ·支持向量机 | 第29-30页 |
| ·支持向量 | 第30-31页 |
| ·核函数 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 特征基因抽取的GA-SVM 融合方法 | 第33-44页 |
| ·特征基因抽取算法研究 | 第33-35页 |
| ·最优搜索算法 | 第33页 |
| ·次优搜索算法 | 第33-35页 |
| ·GA-SVM 融合方法 | 第35-43页 |
| ·算法基本流程 | 第37-38页 |
| ·知识表示 | 第38-39页 |
| ·初始化种群 | 第39页 |
| ·适应度函数计算 | 第39页 |
| ·选择算子 | 第39-40页 |
| ·交叉算子 | 第40-42页 |
| ·变异算子 | 第42页 |
| ·加速进化 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 实验过程与结果分析 | 第44-52页 |
| ·实验数据集 | 第44页 |
| ·弥漫大B 淋巴瘤数据集 | 第44页 |
| ·前列腺癌数据集 | 第44页 |
| ·数据预处理 | 第44-45页 |
| ·自适应参数融合算法实验过程 | 第45-47页 |
| ·实验结果分析 | 第47-51页 |
| ·弥漫大B 淋巴瘤数据集实验 | 第47-48页 |
| ·前列腺癌数据集实验 | 第48-49页 |
| ·生物学验证 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读学位期间发表的学术论文 | 第57-59页 |
| 致谢 | 第59页 |
