基于随机森林和支持向量机的癌症基因数据分析
| 中文摘要 | 第8-11页 |
| 英文摘要 | 第11-13页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景和意义 | 第14页 |
| 1.2 研究方法和主要内容 | 第14-16页 |
| 1.2.1 研究方法 | 第14-15页 |
| 1.2.2 本文主要内容 | 第15-16页 |
| 1.3 国内外研究综述 | 第16-18页 |
| 1.4 本文的创新点和不足之处 | 第18-20页 |
| 1.4.1 创新点 | 第18页 |
| 1.4.2 不足之处 | 第18-20页 |
| 第二章 基因微阵列技术 | 第20-21页 |
| 第三章 特征筛选方法介绍 | 第21-28页 |
| 3.1 特征筛选介绍 | 第21页 |
| 3.2 传统特征筛选方法 | 第21-22页 |
| 3.2.1 t-test方法 | 第21-22页 |
| 3.3 随机森林 | 第22-28页 |
| 3.3.1 决策树 | 第22-23页 |
| 3.3.2 随机森林 | 第23-24页 |
| 3.3.3 随机森林结合向后剔除法 | 第24-28页 |
| 第四章 分类方法介绍 | 第28-37页 |
| 4.1 感知机 | 第28-29页 |
| 4.2 支持向量机 | 第29-37页 |
| 4.2.1 线性支持向量机 | 第29-34页 |
| 4.2.2 非线性支持向量机 | 第34-35页 |
| 4.2.3 核函数 | 第35-37页 |
| 第五章 实证分析 | 第37-58页 |
| 5.1 实证背景简介和数据来源 | 第37-38页 |
| 5.2 数据预处理 | 第38-40页 |
| 5.3 实证过程 | 第40-58页 |
| 5.3.1 t-test方法部分 | 第41-43页 |
| 5.3.2 随机森林部分 | 第43-44页 |
| 5.3.3 随机森林结合向后剔除法部分 | 第44-50页 |
| 5.3.4 结果对比分析 | 第50-57页 |
| 5.3.5 实证结论 | 第57-58页 |
| 第六章 总结和展望 | 第58-60页 |
| 6.1 总结 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 学位论文评阅及答辩情况表 | 第65页 |
