首页--医药、卫生论文--临床医学论文--诊断学论文

基于随机森林和梯度提升模型的上位效应检测算法研究

摘要第4-5页
ABSTRACT第5-6页
第1章 绪论第9-17页
    1.1 研究背景及意义第9-12页
        1.1.1 研究背景第9-11页
        1.1.2 研究意义第11-12页
    1.2 国内外研究现状第12-14页
    1.3 本文主要工作第14-15页
    1.4 本文的组织结构第15-17页
第2章 上位效应检测方法概述第17-28页
    2.1 生物背景知识第17-19页
    2.2 上位效应第19-23页
        2.2.1 上位效应定义第19-21页
        2.2.2 上位效应模型第21-23页
    2.3 上位效应检测方法第23-27页
        2.3.1 基于穷举的搜索第23-24页
        2.3.2 两阶段方法-减少搜索空间第24-26页
        2.3.3 非穷举搜索策略第26-27页
    2.4 本章小结第27-28页
第3章 基于混合随机森林的上位效应检测算法第28-39页
    3.1 引言第28-29页
    3.2 随机森林模型第29-31页
    3.3 混合随机森林算法第31-34页
    3.4 实验结果与分析第34-38页
        3.4.1 实验数据第34页
        3.4.2 实验结果第34-37页
        3.4.3 实验结果分析第37-38页
    3.5 本章小结第38-39页
第4章 基于置换梯度提升模型的上位效应检测算法第39-54页
    4.1 引言第39-40页
    4.2 梯度提升第40-42页
    4.3 置换梯度提升模型第42-45页
    4.4 实验结果与分析第45-52页
        4.4.1 实验数据第45-46页
        4.4.2 实验结果分析第46-52页
    4.5 本章小结第52-54页
结论第54-56页
参考文献第56-62页
攻读学位期间发表的学术论文第62-64页
致谢第64页

论文共64页,点击 下载论文
上一篇:离散变量量子密钥分发误码协商算法的优化
下一篇:开放DNS递归服务器的主动测量与分析