| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景介绍 | 第11-12页 |
| 1.2 国内外研究现状及存在问题 | 第12-16页 |
| 1.3 本文的主要工作及创新点 | 第16-17页 |
| 第二章 基因微阵列数据及预测算法介绍 | 第17-34页 |
| 2.1 基因微阵列数据简介 | 第17-21页 |
| 2.1.1 基因微阵列数据 | 第17-18页 |
| 2.1.2 基因微阵列数据的特点 | 第18-21页 |
| 2.2 属性筛选方法 | 第21-23页 |
| 2.3 预测算法介绍 | 第23-29页 |
| 2.3.1 逻辑回归预测器 | 第24-25页 |
| 2.3.2 贝叶斯预测器 | 第25-26页 |
| 2.3.3 决策树预测器 | 第26-27页 |
| 2.3.4 支持向量机 | 第27-29页 |
| 2.4 极限学习机 | 第29-34页 |
| 第三章 极限学习机加权优化 | 第34-50页 |
| 3.1 极限学习机误差分析 | 第35-36页 |
| 3.2 单加权的极限学习机 | 第36-38页 |
| 3.3 双加权的极限学习机 | 第38-50页 |
| 3.3.1 均匀分布数据集中加权处理 | 第38-41页 |
| 3.3.2 正态分布数据集中加权处理 | 第41-50页 |
| 第四章 实验与结果分析 | 第50-58页 |
| 4.1 随机实验分析 | 第50-51页 |
| 4.2 极限学习机实验分析 | 第51-53页 |
| 4.3 权值计算规则 | 第53-54页 |
| 4.4 各类算法在非结构化的基因微阵列非结构化数据上对比实验分析 | 第54-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 附录：攻读硕士期间所做的工作 | 第64-65页 |
| 致谢 | 第65页 |