首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--理论、方法论文--算法理论论文

高通量数据特征选择算法研究

作者简介第1-4页
摘要第4-6页
ABSTRACT第6-12页
第一章 绪论第12-26页
   ·研究背景与意义第12-13页
     ·研究背景第12-13页
     ·研究意义第13页
   ·典型高通量数据简介第13-15页
     ·基因表达数据第13-14页
     ·单核苷酸多态性数据第14-15页
   ·高通量数据特征选择概述及关键问题分析第15-22页
     ·理论基础第15-16页
     ·典型方法第16-20页
     ·性能评价第20-21页
     ·关键问题分析第21-22页
   ·本文主要工作及内容安排第22-26页
     ·本文主要工作第22-23页
     ·内容安排第23-26页
第二章 基于监督降维和形状分析的特征选择第26-34页
   ·间隔最大化判别分析和 Procrustes 分析简介第26-27页
     ·间隔最大化判别分析(MMDA)第26页
     ·Procrustes 分析(PA)第26-27页
   ·由 MMDA 与 PA 结合的特征选择方法第27-28页
   ·实验结果与分析第28-31页
     ·实验数据第28-29页
     ·参数的确定第29-30页
     ·与由 PCA 和 PA 相结合方法的比较第30页
     ·与其它方法的比较第30-31页
   ·小结第31-34页
第三章 基于最大条件相关最小冗余准则的特征选择第34-46页
   ·最大相关最小冗余准则第34-35页
   ·最大条件相关最小冗余准则第35-36页
   ·最大条件相关最小冗余方法第36页
   ·与其它典型方法的理论比较第36-39页
     ·三个典型方法简介第36-38页
     ·理论比较第38-39页
   ·实验结果与分析第39-44页
     ·模拟数据的实验结果与分析第39-41页
     ·基因表达数据的实验结果与分析第41-44页
   ·小结第44-46页
第四章 基于稀疏表示系数的特征相关性测度第46-52页
   ·基础知识第46-48页
     ·稀疏表示系数(SRC)第46-47页
     ·经典相关性测度第47-48页
   ·基于 SRC 的特征相关性测度第48-50页
     ·特征-类别相关性的测度第48-49页
     ·特征-特征相关性的测度第49-50页
   ·SRC 测度特征相关性的特点第50-51页
   ·小结第51-52页
第五章 SRC 在基因选择中的应用第52-66页
   ·基础知识第52-53页
     ·最大相关最小冗余准则框架第52-53页
     ·近似马尔科夫毯第53页
   ·基于 SRC 的基因的选择方法第53-57页
     ·方法细节第53-54页
     ·实验结果及分析第54-57页
     ·小结第57页
   ·基于 SRC 和最大相关最小冗余准则的基因选择方法第57-61页
     ·方法细节第57-58页
     ·实验结果与分析第58-61页
     ·小结第61页
   ·基于 SRC 和近似马尔科夫毯的基因选择方法第61-66页
     ·方法细节第62页
     ·实验结果与分析第62-65页
     ·小结第65-66页
第六章 SRC 在单核苷酸多态性选择中的应用第66-80页
   ·人群区分问题中常用的测度第66-67页
     ·修正的 T-检验第66-67页
     ·固定指数 (Fst)第67页
   ·基于 SRC 的单核苷酸多态性选择方法第67-68页
   ·实验结果与分析第68-79页
     ·实验数据及预处理第68-69页
     ·分类问题的构造第69-70页
     ·分类性能比较第70-72页
     ·所选 SNP 信息的分析第72-79页
   ·小结第79-80页
第七章 总结与展望第80-84页
   ·总结第80-82页
   ·展望第82-84页
致谢第84-86页
参考文献第86-96页
攻读博士学位期间的研究成果第96-97页

论文共97页,点击 下载论文
上一篇:集成电路设计中乘法器的低功耗算法与实现技术研究
下一篇:基于稀疏表示和集成学习的若干分类问题研究