| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 论文结构安排 | 第16-17页 |
| 第2章 传统肿瘤分类方法介绍 | 第17-32页 |
| 2.1 引言 | 第17页 |
| 2.2 基本概念 | 第17-22页 |
| 2.2.1 基因表达谱数据 | 第17-19页 |
| 2.2.2 肿瘤分类 | 第19-20页 |
| 2.2.3 肿瘤分类问题的基本描述 | 第20-21页 |
| 2.2.4 基因表达谱数据分析面临的困难和挑战 | 第21-22页 |
| 2.3 传统肿瘤分类方法 | 第22-29页 |
| 2.3.1 K-近邻分类算法 | 第22-23页 |
| 2.3.2 贝叶斯分类算法 | 第23-24页 |
| 2.3.3 决策树分类算法 | 第24-25页 |
| 2.3.4 人工神经网络分类算法 | 第25-26页 |
| 2.3.5 支持向量机分类算法 | 第26-29页 |
| 2.4 基于集成学习的分类方法 | 第29-31页 |
| 2.4.1 Bagging集成方法 | 第29-30页 |
| 2.4.2 Boosting集成方法 | 第30-31页 |
| 2.5 小结 | 第31-32页 |
| 第3章 基于稀疏表达和Fisher判别的肿瘤分类方法 | 第32-44页 |
| 3.1 引言 | 第32页 |
| 3.2 稀疏表达理论 | 第32-34页 |
| 3.2.1 稀疏表达的几个基本概念 | 第32-33页 |
| 3.2.2 稀疏表达模型 | 第33-34页 |
| 3.3 Fisher判别准则 | 第34-35页 |
| 3.4 基于稀疏表达和Fisher判别的分类方法 | 第35-39页 |
| 3.4.1 基于稀疏表达和Fisher判别的分类模型 | 第36-38页 |
| 3.4.2 基于稀疏表达和Fisher判别的分类策略 | 第38-39页 |
| 3.5 实验与分析 | 第39-43页 |
| 3.5.1 实验数据集 | 第39-40页 |
| 3.5.2 实验结果与分析 | 第40-43页 |
| 3.6 小结 | 第43-44页 |
| 第4章 基于D-KSVD的肿瘤分类方法 | 第44-54页 |
| 4.1 引言 | 第44页 |
| 4.2 K-SVD算法 | 第44-47页 |
| 4.2.1 K-均值算法描述 | 第44-45页 |
| 4.2.2 K-SVD算法模型及求解 | 第45-47页 |
| 4.3 D-KSVD算法 | 第47-49页 |
| 4.3.1 D-KSVD算法原理及模型概述 | 第47-48页 |
| 4.3.2 基于D-KSVD算法的分类方法 | 第48-49页 |
| 4.4 实验及分析 | 第49-53页 |
| 4.4.1 实验数据集 | 第49-50页 |
| 4.4.2 实验结果与分析 | 第50-53页 |
| 4.5 小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 附录A 攻读学位期间所发表的学术论文及所参加项目 | 第60-61页 |
| 致谢 | 第61页 |
