基于组合变量与重叠区域的SVM-RFE方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-12页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 生物信息的应用与发展 | 第9-10页 |
| 1.3 本文主要工作 | 第10-12页 |
| 2 数据挖掘技术 | 第12-20页 |
| 2.1 特征提取和选择 | 第12-14页 |
| 2.2 分类分析 | 第14-18页 |
| 2.2.1 贝叶斯 | 第15页 |
| 2.2.2 k最近邻 | 第15-16页 |
| 2.2.3 随机森林 | 第16页 |
| 2.2.4 支持向量机 | 第16-18页 |
| 2.3 聚类分析 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 3 基于组合变量的特征选择方法SVM-RFE-C | 第20-38页 |
| 3.1 基于支持向量机的特征迭代消减算法 | 第20-23页 |
| 3.2 SVM-RFE-C特征选择方法 | 第23-25页 |
| 3.2.1 T假设检验 | 第23-24页 |
| 3.2.2 方差分析 | 第24页 |
| 3.2.3 SVM-RFE-C方法 | 第24-25页 |
| 3.3 SVM-RFE-C在肝病代谢数据中的应用 | 第25-37页 |
| 3.3.1 实验数据描述 | 第25-26页 |
| 3.3.2 SVM-RFE-C特征选择 | 第26-27页 |
| 3.3.3 SVM-RFE-C的数据处理结果 | 第27-28页 |
| 3.3.4 潜在代谢标志物的筛选和分析 | 第28-37页 |
| 3.4 本章小结 | 第37-38页 |
| 4 OA-SVM-RFE组合的特征选择方法 | 第38-52页 |
| 4.1 特征评价方式 | 第38-39页 |
| 4.2 组合的特征选择方法OA-SVM-RFE | 第39-41页 |
| 4.2.1 特征的重叠区域 | 第39-40页 |
| 4.2.2 OA-SVM-RFE方法 | 第40-41页 |
| 4.3 实验与讨论 | 第41-51页 |
| 4.3.1 数据集信息描述 | 第41-43页 |
| 4.3.2 OA-SVM-RFE特征选择 | 第43-44页 |
| 4.3.3 实验结果及讨论 | 第44-51页 |
| 4.4 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 攻读硕士学位期间发表学术论文情况 | 第59-60页 |
| 致谢 | 第60-61页 |
