| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第11-15页 |
| 1.1 研究的背景及意义 | 第11-12页 |
| 1.2 国内外现状 | 第12-14页 |
| 1.3 本文组织结构 | 第14-15页 |
| 2 相关知识理论 | 第15-27页 |
| 2.1 支持向量机算法 | 第15-18页 |
| 2.2 最近邻算法 | 第18-20页 |
| 2.3 随机森林算法 | 第20-21页 |
| 2.4 人工神经网络 | 第21-23页 |
| 2.4.1 神经网络的激励函数 | 第21-22页 |
| 2.4.2 神经网络的学习规则 | 第22页 |
| 2.4.3 神经网络的结构 | 第22-23页 |
| 2.5 分类器评价指标 | 第23-26页 |
| 2.5.1 模型评价常用的术语 | 第23-24页 |
| 2.5.2 评价指标 | 第24-26页 |
| 2.6 本章小结 | 第26-27页 |
| 3 基于DTSP算法的时序基因表达数据的分类 | 第27-38页 |
| 3.1 最高得分对算法的发展与改进 | 第27页 |
| 3.2 传统TSP算法原理 | 第27-32页 |
| 3.2.1 经典最高得分对算法 | 第28-30页 |
| 3.2.2 K-TSP算法原理 | 第30-31页 |
| 3.2.3 加权K-TSP算法改进思想 | 第31-32页 |
| 3.3 DTSP算法模型 | 第32-37页 |
| 3.3.1 基于均值的动态最高得分对算法（DTSP-A） | 第32-33页 |
| 3.3.2 基于趋势的动态最高得分对算法（DTSP-VT） | 第33-35页 |
| 3.3.3 基于趋势与绝对差值的动态最高得分对算法（DTSP-VT&CD） | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 4 实验分析及结果 | 第38-44页 |
| 4.1 对比试验 | 第38-41页 |
| 4.2 最高特征对分析 | 第41-43页 |
| 4.3 本章总结 | 第43-44页 |
| 5 基于动态TSP算法的时序基因分类系统的设计与实现 | 第44-55页 |
| 5.1 基于DTSP的时序基因分类系统 | 第44-48页 |
| 5.1.1 系统概述 | 第44-45页 |
| 5.1.2 系统结构 | 第45页 |
| 5.1.3 系统功能模块 | 第45-47页 |
| 5.1.4 系统流程 | 第47-48页 |
| 5.2 时序基因分类系统的设计与实现 | 第48-54页 |
| 5.2.1 数据库设计 | 第49-50页 |
| 5.2.2 DTSP用于时序基因分类 | 第50-51页 |
| 5.2.3 系统使用简介 | 第51-54页 |
| 5.3 本章小结 | 第54-55页 |
| 6 总结和展望 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 个人简历、在校期间发表的学术论文及研究成果 | 第60-61页 |
| 个人简历 | 第60页 |
| 在校期间发表的学术论文 | 第60页 |
| 研究成果 | 第60-61页 |
| 致谢 | 第61-62页 |
