| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 第一章 绪论 | 第11-23页 |
| ·课题的背景、目的和意义 | 第11-12页 |
| ·DNA 微阵列技术的概述 | 第12-17页 |
| ·DNA 微阵列技术的原理 | 第13-15页 |
| ·DNA 微阵列数据的特点 | 第15-16页 |
| ·DNA 微阵列技术的应用 | 第16-17页 |
| ·癌细胞的基因表达数据分析的内容与现状 | 第17-22页 |
| ·数据预处理 | 第19-21页 |
| ·特征基因选择 | 第21页 |
| ·分类模型的设计 | 第21-22页 |
| ·本文的组织结构 | 第22-23页 |
| 第二章 癌细胞的基因表达数据的特征基因选择 | 第23-33页 |
| ·BW ratio | 第23-24页 |
| ·基于柔性神经树的特征提取 | 第24-33页 |
| ·神经树的编码规则 | 第24-25页 |
| ·适应值评估函数 | 第25-26页 |
| ·柔性神经树的优化 | 第26-33页 |
| 第三章 癌细胞的基因表达数据的分类算法 | 第33-41页 |
| ·神经网络 | 第33-34页 |
| ·基于多类别的分类问题 | 第34-36页 |
| ·一个多分类模型 | 第35页 |
| ·多类别问题转换形式 | 第35-36页 |
| ·集成分类方法 | 第36-41页 |
| ·个体差异性构造 | 第36-38页 |
| ·集成分类结果的整合策略 | 第38-41页 |
| 第四章 基于混合特征提取方法的集成分类器模型 | 第41-45页 |
| ·基于 BW ratio 和 FNT 的混合基因选择方法 | 第41-42页 |
| ·多分类模型 | 第42-45页 |
| 第五章 癌细胞的基因表达数据多分类 | 第45-55页 |
| ·实验数据 | 第45页 |
| ·数据预处理 | 第45-47页 |
| ·特征提取 | 第47-49页 |
| ·基于混合特征提取方法的集成分类 | 第49-52页 |
| ·PSO-PIPE-FNT 二分类模型 | 第49-51页 |
| ·PSO-ANN 二分类模型 | 第51-52页 |
| ·实验结果与分析 | 第52-55页 |
| 第六章 总结和展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-65页 |
| 附录 | 第65页 |