| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 生物信息学与机器学习 | 第11-12页 |
| 1.2 基因表达数据分类概述 | 第12-15页 |
| 1.2.1 基于基因表达数据的肿瘤分类 | 第12-13页 |
| 1.2.2 特征基因的选择 | 第13-14页 |
| 1.2.3 基因表达数据的功能类 | 第14-15页 |
| 1.3 本文所做的主要工作 | 第15-16页 |
| 第2章 常用分类算法性能研究 | 第16-23页 |
| 2.1 引言 | 第16页 |
| 2.2 几种分类算法的研究 | 第16-20页 |
| 2.2.1 支持向量机 | 第16-18页 |
| 2.2.2 Naive Bayes算法 | 第18-19页 |
| 2.2.3 kNN算法 | 第19-20页 |
| 2.3 三种算法的性能评价 | 第20-22页 |
| 2.4 小结 | 第22-23页 |
| 第3章 基于SVM-KNN算法的肿瘤分类 | 第23-28页 |
| 3.1 引言 | 第23页 |
| 3.2 SVM-kNN分类算法 | 第23-24页 |
| 3.3 实验及分析 | 第24-27页 |
| 3.3.1 实现SVM-kNN分类算法 | 第24页 |
| 3.3.2 实验结果与讨论 | 第24-27页 |
| 3.4 小结 | 第27-28页 |
| 第4章 特征基因选择算法研究 | 第28-35页 |
| 4.1 引言 | 第28页 |
| 4.2 相关工作 | 第28-30页 |
| 4.2.1 S2N算法 | 第28页 |
| 4.2.2 RFE算法 | 第28-29页 |
| 4.2.3 ALMA算法 | 第29-30页 |
| 4.3 基于相关性的RFE算法 | 第30-32页 |
| 4.3.1 特征基因的相关性 | 第30-31页 |
| 4.3.2 算法描述 | 第31-32页 |
| 4.4 实验结果及分析 | 第32-34页 |
| 4.5 小结 | 第34-35页 |
| 第5章 基因表达数据的功能分类 | 第35-55页 |
| 5.1 引言 | 第35页 |
| 5.2 相关工作 | 第35-37页 |
| 5.2.1 MIPS数据集 | 第35-36页 |
| 5.2.2 基因功能分类算法及Fixed-size预测 | 第36-37页 |
| 5.2.3 实验比较研究 | 第37页 |
| 5.3 基于功能树的功能分类定义 | 第37-43页 |
| 5.3.1 基因功能树的定义和标记 | 第38-40页 |
| 5.3.2 基于功能树的置信度调整算法(tCAA) | 第40-42页 |
| 5.3.3 基于功能树的优势因子决策算法(tDA) | 第42-43页 |
| 5.4 基于功能树的功能分类算法 | 第43-50页 |
| 5.4.1 子算法描述 | 第43-45页 |
| 5.4.2 基于功能树的功能分类算法 | 第45-50页 |
| 5.5 实验及分析 | 第50-53页 |
| 5.5.1 基于功能树置信度调整算法的SVM分类 | 第51-52页 |
| 5.5.2 基于功能树的功能分类 | 第52-53页 |
| 5.6 小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 附录A 攻读学位期间所发表的学术论文 | 第61页 |
