| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 基因表达谱数据 | 第15-18页 |
| 1.3.1 基因芯片技术 | 第15-17页 |
| 1.3.2 基因表达谱数据的特征 | 第17页 |
| 1.3.3 基因数据的预处理 | 第17-18页 |
| 1.4 研究内容 | 第18-19页 |
| 1.5 本文组织安排 | 第19-20页 |
| 第2章 相关理论知识 | 第20-31页 |
| 2.1 特征选取 | 第20-22页 |
| 2.1.1 产生过程 | 第21页 |
| 2.1.2 评价函数 | 第21-22页 |
| 2.2 特征选择方法 | 第22-23页 |
| 2.3 特征提取方法 | 第23-26页 |
| 2.4 交叉验证方法 | 第26-27页 |
| 2.5 分类方法 | 第27-30页 |
| 2.5.1 传统分类模型和稀疏表示方法的对比 | 第27-28页 |
| 2.5.2 KNN算法 | 第28-29页 |
| 2.5.3 SRC的肿瘤分类方法 | 第29页 |
| 2.5.4 基于元样本的SRC肿瘤分类方法 | 第29-30页 |
| 2.6 小结 | 第30-31页 |
| 第3章 基于元样本的RRC肿瘤分类方法研究 | 第31-44页 |
| 3.1 引言 | 第31页 |
| 3.2 基于正则化的分类方法 | 第31-35页 |
| 3.3 实验数据及实验参数的优化 | 第35-40页 |
| 3.3.1 实验数据集 | 第35-36页 |
| 3.3.2 实验参数设置 | 第36-37页 |
| 3.3.3 元样本个数对分类精确度影响研究 | 第37-40页 |
| 3.4 MRRCC模型和其他稀疏表示方法的比较 | 第40-41页 |
| 3.5 MRRCC模型与基于降维方法的比较 | 第41-43页 |
| 3.6 小结 | 第43-44页 |
| 第4章 基于近邻样本协作表示的肿瘤分类方法 | 第44-53页 |
| 4.1 引言 | 第44页 |
| 4.2 CRC_RLS分类模型描述 | 第44-45页 |
| 4.2.1 稀疏性对分类的影响 | 第44-45页 |
| 4.2.2 协作表示对分类的影响 | 第45页 |
| 4.3 KCRC_RLS分类模型描述 | 第45-46页 |
| 4.4 数据集分析 | 第46-47页 |
| 4.5 实验部分 | 第47-52页 |
| 4.5.1 参数优化 | 第47-48页 |
| 4.5.2 分类精确度实验 | 第48页 |
| 4.5.3 基因选择对分类的影响 | 第48-52页 |
| 4.6 小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 附录 A 攻读硕士学位期间发表的学术论文与参与的科研项目 | 第60-61页 |
| 致谢 | 第61-62页 |