基因微阵列数据分析中的基因选择与聚类方法的研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-18页 |
| ·生物信息学 | 第12-13页 |
| ·基因芯片和微阵列信息处理 | 第13-17页 |
| ·生物芯片技术 | 第13-14页 |
| ·基因芯片 | 第14页 |
| ·微阵列基因表达数据 | 第14-15页 |
| ·微阵列数据的获取 | 第15-16页 |
| ·数据标准化 | 第16-17页 |
| ·论文主要内容的安排 | 第17-18页 |
| 第2章 特征选择和聚类 | 第18-27页 |
| ·特征选择 | 第18-22页 |
| ·特征选择的基本概念 | 第18-19页 |
| ·过滤法 | 第19-20页 |
| ·缠绕法 | 第20-21页 |
| ·嵌入式 | 第21页 |
| ·常用特征选择算法 | 第21-22页 |
| ·聚类算法 | 第22-25页 |
| ·基因聚类分析 | 第22-23页 |
| ·层次聚类 | 第23-24页 |
| ·K-均值聚类 | 第24-25页 |
| ·SOM聚类 | 第25页 |
| ·基因芯片聚类的相似性度量 | 第25-26页 |
| ·小结 | 第26-27页 |
| 第3章 基于改进遗传算法的K均值聚类 | 第27-39页 |
| ·遗传算法 | 第27-33页 |
| ·遗传算法的特点 | 第27-28页 |
| ·遗传算法的构成要素 | 第28-33页 |
| ·遗传算法的应用 | 第33页 |
| ·模拟退火算法 | 第33页 |
| ·改进的遗传算法聚类及算法流程 | 第33-36页 |
| ·编码方案 | 第34页 |
| ·选择算法 | 第34页 |
| ·交叉概率和变异概率 | 第34-35页 |
| ·适应度 | 第35页 |
| ·改进算法算法流程 | 第35-36页 |
| ·仿真实验与分析 | 第36-38页 |
| ·实验数据 | 第36页 |
| ·实验过程与结果分析 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 粒子群算法的基因选择 | 第39-47页 |
| ·粒子群算法 | 第39-42页 |
| ·离散粒子群算法 | 第41页 |
| ·粒子编码 | 第41页 |
| ·适应度函数 | 第41-42页 |
| ·基于粒子群的聚类基因选择方法 | 第42-44页 |
| ·误差平方和准则 | 第42-43页 |
| ·特征子集分类的正确率算法过程 | 第43页 |
| ·基于粒子群的聚类基因选择算法流程 | 第43-44页 |
| ·仿真实验与分析 | 第44-46页 |
| ·实验数据 | 第44页 |
| ·实验过程与结果分析 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 结论 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间发表的学术论文 | 第53-54页 |
| 详细摘要 | 第54-57页 |
