| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 1 综述 | 第9-14页 |
| ·蛋白质组学简介 | 第9页 |
| ·蛋白质组学研究的技术设备 | 第9-11页 |
| ·蛋白质组学在人类疾病方面的应用 | 第11-12页 |
| ·蛋白质组学用于卵巢癌症的研究 | 第12-14页 |
| 2 实验数据以及目前国内外的研究状况 | 第14-19页 |
| ·数据来源以及软硬件设备 | 第14-15页 |
| ·数据来源 | 第14-15页 |
| ·软硬件设备 | 第15页 |
| ·国内外研究概况 | 第15-19页 |
| 3 特征挑选方法 | 第19-26页 |
| ·假设检验 | 第19-22页 |
| ·假设检验的原理和方法 | 第19-21页 |
| ·两样本均数的t检验 | 第21-22页 |
| ·遗传算法-偏最小二乘算法 | 第22-26页 |
| ·遗传算法 | 第22-23页 |
| ·偏最小二乘回归 | 第23-25页 |
| ·遗传算法-偏最小二乘工具箱 | 第25-26页 |
| 4 模式识别分类方法研究 | 第26-38页 |
| ·非线性分类方法 | 第26-35页 |
| ·支持向量机理论(SVM) | 第26-32页 |
| ·人工神经网络(ANN) | 第32-35页 |
| ·线性分类方法 | 第35-38页 |
| ·贝叶斯判别分析(BDA) | 第35-36页 |
| ·费歇尔线性判别(FLD) | 第36页 |
| ·K最近邻法(KNN) | 第36-38页 |
| 5 模式识别方法在卵巢癌的血清蛋白质组数据研究中的应用 | 第38-47页 |
| ·特征筛选 | 第38-41页 |
| ·统计检验初步筛选特征 | 第38-41页 |
| ·遗传算法-偏最小二乘工具箱进一步筛选特征 | 第41页 |
| ·模式分类方法研究 | 第41-47页 |
| ·数据标准化 | 第43页 |
| ·评价分类器性能指标 | 第43-45页 |
| ·非线性分类器分类结果 | 第45-46页 |
| ·线性分类器分类结果 | 第46-47页 |
| 6 结果与讨论 | 第47-51页 |
| 7 展望 | 第51-52页 |
| 8 参考文献 | 第52-57页 |
| 9 攻读硕士学位期间发表的学术论文目录 | 第57-59页 |
| 致谢 | 第59页 |