| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 基因表达数据分类的国内外研究现状 | 第13-16页 |
| 1.3 本文的研究内容 | 第16页 |
| 1.4 本文的组织结构安排 | 第16-18页 |
| 第2章 本文相关基础理论 | 第18-29页 |
| 2.1 统计学习理论 | 第18-19页 |
| 2.2 支持向量机简介 | 第19-23页 |
| 2.2.1 线性可分情况 | 第19-21页 |
| 2.2.2 线性不可分情况 | 第21-22页 |
| 2.2.3 非线性情况 | 第22-23页 |
| 2.3 半监督学习 | 第23-28页 |
| 2.3.1 半监督学习的两种基本假设 | 第23页 |
| 2.3.2 半监督支持向量机的基本原理 | 第23-24页 |
| 2.3.3 半监督支持向量机的主要方法 | 第24-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于渐进过滤的直推支持向量机的基因表达数据分类 | 第29-46页 |
| 3.1 引言 | 第29页 |
| 3.2 基于渐进过滤的直推式支持向量机 | 第29-35页 |
| 3.2.1 直推式支持向量机 | 第29-31页 |
| 3.2.2 渐进过滤式标注策略 | 第31-34页 |
| 3.2.3 动态调整策略 | 第34页 |
| 3.2.4 基于渐进过滤的直推式支持向量机的主要步骤 | 第34-35页 |
| 3.2.5 算法的收敛性和复杂度分析 | 第35页 |
| 3.3 实验结果及比较分析 | 第35-44页 |
| 3.3.1 实验环境 | 第35-36页 |
| 3.3.2 实验数据集 | 第36页 |
| 3.3.3 实验评价标准 | 第36-37页 |
| 3.3.4 数据预处理和参数设置 | 第37-38页 |
| 3.3.5 实验结果与分析 | 第38-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第4章 基于代价敏感和渐进过滤的直推式支持向量机的基因表达数据分类 | 第46-55页 |
| 4.1 引言 | 第46页 |
| 4.2 基于代价敏感和渐进过滤的直推式支持向量机 | 第46-49页 |
| 4.2.1 形式化 | 第46-47页 |
| 4.2.2 估计类中心 | 第47-48页 |
| 4.2.3 基于类中心的错分代价评估 | 第48-49页 |
| 4.3 实验结果与比较分析 | 第49-54页 |
| 4.3.1 实验设置 | 第49页 |
| 4.3.2 实验结果与分析 | 第49-54页 |
| 4.4 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 附录A 攻读硕士学位期间发表论文目录 | 第63-64页 |
| 致谢 | 第64页 |
