半消极学习及其在生物信息学中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景和意义 | 第9-14页 |
| ·生物信息学概述 | 第9-11页 |
| ·生物数据的特点 | 第11-12页 |
| ·DNA 微阵列应用于癌症分类 | 第12-14页 |
| ·国内外的研究现状 | 第14-15页 |
| ·论文的组织和安排 | 第15-17页 |
| 第二章 生物数据的获取与分类介绍 | 第17-28页 |
| ·生物数据的获取 | 第17-20页 |
| ·数据预处理 | 第20-21页 |
| ·缺失数据修补 | 第20页 |
| ·数据的转换 | 第20-21页 |
| ·数据归一化 | 第21页 |
| ·特征基因选择 | 第21-23页 |
| ·过滤法 | 第21-22页 |
| ·融合法 | 第22-23页 |
| ·基因表达数据中的常用分类算法 | 第23-27页 |
| ·KNN 分类算法 | 第23-24页 |
| ·人工神经网络 | 第24-25页 |
| ·随机森林算法 | 第25页 |
| ·支持向量机（SVM） | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 特征基因的选取与分类器设计 | 第28-38页 |
| ·特征基因的选取 | 第28-32页 |
| ·主成分分析 (PCA) 简介 | 第29页 |
| ·偏最小二乘法 (PLS) 原理 | 第29-32页 |
| ·分类器设计 | 第32-37页 |
| ·积极学习和消极学习 | 第32-33页 |
| ·CRN 算法 | 第33-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 实验结果及分析 | 第38-44页 |
| ·实验数据来源 | 第38页 |
| ·使用 PLS 进行基因选择的实验结果 | 第38-41页 |
| ·实验结果的评价标准 | 第41-42页 |
| ·CRN 分类的实验结果及分析 | 第42页 |
| ·生物学意义分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 总结与展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 攻读硕士学位期间取得的研究成果 | 第48-49页 |
| 致谢 | 第49-50页 |
| 附件 | 第50页 |
