| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状及存在问题 | 第12-14页 |
| 1.3 本文主要研究工作 | 第14-15页 |
| 1.4 本文研究内容与组织结构 | 第15-18页 |
| 第2章 基因表达谱数据研究基础 | 第18-28页 |
| 2.1 基因芯片技术 | 第18-22页 |
| 2.2 基因表达谱数据 | 第22-24页 |
| 2.2.1 基因表达谱数据的获取 | 第22-23页 |
| 2.2.2 基因表达谱数据的特点 | 第23-24页 |
| 2.3 基因表达谱数据的分析和处理 | 第24-26页 |
| 2.3.1 基因表达谱数据的预处理 | 第24-25页 |
| 2.3.2 基因表达谱数据的特征选择 | 第25页 |
| 2.3.3 基因表达谱数据的分类 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第3章 特征提取算法和分类算法介绍 | 第28-36页 |
| 3.1 ReliefF特征提取算法 | 第28-29页 |
| 3.2 粒子群优化算法 | 第29-31页 |
| 3.2.1 粒子群算法的原理 | 第29-30页 |
| 3.2.2 粒子群算法的数学模型 | 第30-31页 |
| 3.3 极限学习机 | 第31-34页 |
| 3.3.1 单隐层反馈神经网络 | 第31-33页 |
| 3.3.2 极限学习机 | 第33-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第4章 基于改进WELM的肿瘤分类 | 第36-54页 |
| 4.1 改进加权极限学习机分类算法 | 第36-39页 |
| 4.1.1 加权极限学习机 | 第36-38页 |
| 4.1.2 分类算法 | 第38-39页 |
| 4.2 实验与结果分析 | 第39-52页 |
| 4.2.1 基因表达谱数据集 | 第39-40页 |
| 4.2.2 评价指标 | 第40-41页 |
| 4.2.3 改进WELM在基因表达谱数据上实验分析 | 第41-52页 |
| 4.3 本章小结 | 第52-54页 |
| 第5章 基于改进PSO和WELM的肿瘤分类 | 第54-68页 |
| 5.1 基于改进PSO算法的WELM的分类算法 | 第54-58页 |
| 5.1.1 改进粒子群优化算法 | 第54-57页 |
| 5.1.2 分类算法 | 第57-58页 |
| 5.2 实验与结果分析 | 第58-65页 |
| 5.2.1 改进PSO算法对比其他PSO算法对比实验与结果分析 | 第58-61页 |
| 5.2.2 改进PSO和WELM算法在基因表达谱数据上的实验和结果分析 | 第61-65页 |
| 5.3 本章小结 | 第65-68页 |
| 第6章 总结和展望 | 第68-70页 |
| 6.1 总结 | 第68页 |
| 6.2 展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 攻读学位期间发表论文 | 第76页 |
