| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 论文的研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 论文的结构安排 | 第13-14页 |
| 第二章 代谢组学中常用的方法理论 | 第14-28页 |
| 2.1 代谢组学中常用的几种分类器 | 第14-19页 |
| 2.1.1 支持向量机算法 | 第14-16页 |
| 2.1.2 偏最小二乘判别分析 | 第16-18页 |
| 2.1.3 决策树 | 第18页 |
| 2.1.4 随机森林 | 第18-19页 |
| 2.2 代谢组学中常用的变量选择方法 | 第19-23页 |
| 2.2.1 VIP算法 | 第20-21页 |
| 2.2.2 LASSO算法 | 第21-22页 |
| 2.2.3 SPLS算法 | 第22-23页 |
| 2.3 代谢组学中常用的评价方法 | 第23-28页 |
| 2.3.1 分类精度 | 第24-25页 |
| 2.3.2 ROC及其面积AUROC | 第25-26页 |
| 2.3.3 PRC及其面积AUPRC | 第26-28页 |
| 第三章 代谢组学数据结构对于分类的影响 | 第28-40页 |
| 3.1 数据来源 | 第28-29页 |
| 3.2 类间不平衡度对于分类的影响 | 第29-33页 |
| 3.3 数据维度对于分类的影响 | 第33-35页 |
| 3.4 变量之间相关性对于分类的影响 | 第35-38页 |
| 3.5 结论 | 第38-40页 |
| 第四章 基于稀疏正则化子抽样的生物标记物的稳定筛选 | 第40-54页 |
| 4.1 SRS-SVM算法 | 第41-44页 |
| 4.2 几种分类器方法结果对比 | 第44-50页 |
| 4.3 生物标志物的筛选 | 第50-53页 |
| 4.4 结论 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 讨论与总结 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 附录A 攻读硕士学位期间发表论文 | 第64页 |