摘要 | 第1-7页 |
ABSTRACT | 第7-14页 |
第一章 绪论 | 第14-26页 |
·模式识别研究概况 | 第14-19页 |
·模式的表示 | 第15-16页 |
·模式识别主要采用的方法 | 第16-18页 |
·模板匹配方法 | 第16页 |
·决策理论方法 | 第16-17页 |
·人工神经网络方法 | 第17页 |
·模糊集方法 | 第17-18页 |
·核方法 | 第18页 |
·模式识别主要应用领域 | 第18-19页 |
·生物信息学研究概况 | 第19-20页 |
·模式识别技术与生物信息学研究 | 第20-22页 |
·本文主要研究内容及其意义 | 第22-25页 |
·本文的章节安排 | 第25-26页 |
第二章 聚类分析基本概念及其应用 | 第26-41页 |
·聚类分析算法的基本定义 | 第26-27页 |
·距离函数 | 第27-29页 |
·常用聚类分析算法 | 第29-37页 |
·划分式聚类方法 | 第31-32页 |
·层次化聚类方法 | 第32页 |
·基于密度和网格的聚类算法 | 第32-33页 |
·模糊聚类算法 | 第33-34页 |
·基因表达数据分析聚类算法 | 第34-35页 |
·蛋白质序列分析聚类算法 | 第35-36页 |
·其他一些热点研究的聚类分析算法 | 第36-37页 |
·聚类结果检验 | 第37-39页 |
·内部检验测度 | 第37-38页 |
·外部检验方法 | 第38页 |
·聚类结果检验的一些相关文献 | 第38-39页 |
·聚类算法面临的挑战 | 第39-40页 |
·本章小结 | 第40-41页 |
第三章 基于 Poisson 分布的基因表达序列分析数据自适应聚类算法研究 | 第41-59页 |
·背景知识 | 第43-48页 |
·Affinity Propagation 算法 | 第43-46页 |
·基于Poisson 分布的距离测度 | 第46-48页 |
·PoissonAPS 算法描述 | 第48-50页 |
·实验结果及讨论 | 第50-58页 |
·Mouse Retinal SAGE Data 数据集聚类结果 | 第50-53页 |
·Human Cancer SAGE Data 数据集聚类结果 | 第53-58页 |
·本章小结 | 第58-59页 |
第四章 蛋白质序列聚类算法研究 | 第59-77页 |
·引言 | 第59-61页 |
·方法 | 第61-64页 |
·聚类算法描述 | 第61-62页 |
·材料 | 第62-63页 |
·基础定义 | 第63-64页 |
·实验结果及讨论 | 第64-74页 |
·缺省参数 | 第64-68页 |
·顺序敏感性 | 第68-69页 |
·数据集自身的真实类分布对聚类结果的影响 | 第69-71页 |
·调节参数 | 第71-74页 |
·本章小结 | 第74-77页 |
第五章 蛋白质序列在线聚类分析算法研究 | 第77-85页 |
·引言 | 第77-79页 |
·提出的算法 | 第79-81页 |
·OnlineCAPS | 第79-80页 |
·相似度测度 | 第80-81页 |
·参数 | 第81页 |
·实验结果及讨论 | 第81-83页 |
·聚类结果评估测度 | 第82页 |
·ASTRAL 数据集聚类结果 | 第82-83页 |
·COGs 数据集聚类结果 | 第83页 |
·本章小结 | 第83-85页 |
第六章 基于仿射传播聚类的大规模选址布局问题求解 | 第85-95页 |
·引言 | 第85页 |
·背景知识 | 第85-87页 |
·基本模型和问题定义 | 第87页 |
·基于块划分的选址布局方法 | 第87-89页 |
·基于道路网络的选址布局方法 | 第89-90页 |
·实验与分析 | 第90-94页 |
·实验配置 | 第90页 |
·基于块划分的选址布局方法实验结果与分析 | 第90-92页 |
·基于道路网络的选址布局方法实验结果与分析 | 第92-94页 |
·本章小结 | 第94-95页 |
第七章 数据不规则形状分布聚类算法研究 | 第95-105页 |
·引言 | 第95-97页 |
·算法 | 第97-100页 |
·基于离散分析的近邻测度 | 第97-99页 |
·聚类过程描述 | 第99-100页 |
·实验结果及讨论 | 第100-104页 |
·人工数据集 | 第100-102页 |
·真实数据集 | 第102-104页 |
·本章小结 | 第104-105页 |
第八章 总结与展望 | 第105-107页 |
致谢 | 第107-109页 |
参考文献 | 第109-127页 |
攻博期间取得的研究成果 | 第127-128页 |