| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-19页 |
| ·研究背景 | 第12页 |
| ·基因微阵列 | 第12-14页 |
| ·基因微阵列的应用 | 第14-15页 |
| ·基因分类研究进展 | 第15-17页 |
| ·本文主要工作 | 第17页 |
| ·本文的内容安排 | 第17-19页 |
| 第2章 常用基因分类算法概述 | 第19-32页 |
| ·引言 | 第19页 |
| ·基因分类模型 | 第19页 |
| ·数据预处理 | 第19-20页 |
| ·阀值化 | 第19-20页 |
| ·过滤 | 第20页 |
| ·特征提取技术 | 第20-24页 |
| ·主成分分析(Principle Components Analysis, PCA) | 第20-22页 |
| ·独立成分分析(Independent Components Analysis, ICA) | 第22-23页 |
| ·信噪比(Signal to Noise Ratio) | 第23页 |
| ·熵(Entropy) | 第23-24页 |
| ·信息增益(Information Gain) | 第24页 |
| ·性能指标 | 第24页 |
| ·几种常用的基因分类算法 | 第24-30页 |
| ·SVM | 第25-27页 |
| ·ANN | 第27-28页 |
| ·KNN | 第28-30页 |
| ·基因分类算法性能评价 | 第30-31页 |
| ·小结 | 第31-32页 |
| 第3章 基于贝叶斯估计改进分类特征基因及割点选取 | 第32-39页 |
| ·引言 | 第32页 |
| ·相关工作 | 第32-35页 |
| ·最小描述长度 | 第32-34页 |
| ·算法复杂度 | 第32-33页 |
| ·最小描述长度原理 | 第33-34页 |
| ·选择分类特征基因及其割点 | 第34-35页 |
| ·贝叶斯估计 | 第35-36页 |
| ·实验与分析 | 第36-38页 |
| ·小结 | 第38-39页 |
| 第4章 一种改进的基于显现模式的基因分类算法 | 第39-50页 |
| ·引言 | 第39页 |
| ·显现模式 | 第39-46页 |
| ·显现模式的定义 | 第39-40页 |
| ·边界以及边界的挖掘 | 第40-43页 |
| ·基于边界表示集合 | 第40-42页 |
| ·LARGEBORDER_σ( D) 挖掘 | 第42-43页 |
| ·基于边界的显现模式挖掘 | 第43-46页 |
| ·边界差算法 | 第43-44页 |
| ·显现模式挖掘 | 第44-46页 |
| ·PCL分类器 | 第46页 |
| ·改进PCL分类器 | 第46-47页 |
| ·实验结果与分析 | 第47-48页 |
| ·小结 | 第48-50页 |
| 第5章 一种新的EPA-KNN基因分类算法 | 第50-56页 |
| ·引言 | 第50页 |
| ·相关工作 | 第50-52页 |
| ·随机割点 | 第52-53页 |
| ·EPA-KNN分类器 | 第53-55页 |
| ·试验结果与分析 | 第55页 |
| ·小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 附录 攻读硕士期间发表的论文 | 第63页 |
