基于双聚类的属性分组方法及其应用
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-11页 |
| ·研究背景及意义 | 第8页 |
| ·数据挖掘技术 | 第8-10页 |
| ·数据挖掘概述 | 第8-9页 |
| ·数据挖掘应用 | 第9-10页 |
| ·本文主要工作 | 第10-11页 |
| 2 数据挖掘分类 | 第11-21页 |
| ·特征选择方法 | 第11-14页 |
| ·过滤方法 | 第11-13页 |
| ·打包方法 | 第13-14页 |
| ·嵌入式方法 | 第14页 |
| ·分类方法 | 第14-18页 |
| ·朴素贝叶斯分类算法 | 第15-17页 |
| ·k-最近邻分类算法 | 第17-18页 |
| ·聚类方法 | 第18-21页 |
| ·基于层次的聚类方法 | 第18-19页 |
| ·基于划分的聚类方法 | 第19-20页 |
| ·其它聚类方法 | 第20-21页 |
| 3 基于双聚类算法的属性分组 | 第21-35页 |
| ·生物信息学概述 | 第21-22页 |
| ·聚类算法 | 第22-27页 |
| ·双聚类算法定义 | 第22-24页 |
| ·Cheng-Church(CC)双聚类算法 | 第24-27页 |
| ·基于双聚类算法的属性分组 | 第27-35页 |
| ·问题的提出 | 第27-28页 |
| ·FGBic算法 | 第28-35页 |
| 4 基于双聚类的属性分组方法应用于集成分类 | 第35-46页 |
| ·排序属性分组 | 第35-38页 |
| ·互信息 | 第35-36页 |
| ·属性分组评价方式 | 第36-38页 |
| ·FGBic-EC集成分类算法 | 第38-41页 |
| ·集成分类 | 第38-39页 |
| ·FGBic-EC算法 | 第39-41页 |
| ·公共数据实验结果与分析 | 第41-43页 |
| ·比较算法 | 第41页 |
| ·实验数据 | 第41-42页 |
| ·结果与讨论 | 第42-43页 |
| ·代谢组学数据处理结果与分析 | 第43-46页 |
| ·实验数据描述 | 第43-44页 |
| ·结果与讨论 | 第44-46页 |
| 结论 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 攻读硕士学位期间发表学术论文情况 | 第50-51页 |
| 致谢 | 第51-52页 |
