基于数据降维和回归分析的结直肠癌风险预测模型的研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 基于传统统计学方法 | 第10-11页 |
| 1.2.2 基于数据降维的方法 | 第11-12页 |
| 1.3 论文的主要工作 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-15页 |
| 第2章 数据降维的相关研究方法 | 第15-23页 |
| 2.1 稀疏主成分分析 | 第16-18页 |
| 2.1.1 主成分分析 | 第16页 |
| 2.1.2 LASSO | 第16-17页 |
| 2.1.3 Elastic Net | 第17-18页 |
| 2.1.4 稀疏主成分分析 | 第18页 |
| 2.2 信息熵 | 第18-20页 |
| 2.2.1 熵的概念 | 第18-19页 |
| 2.2.2 信息熵 | 第19-20页 |
| 2.3 线性判别分析 | 第20-22页 |
| 2.3.1 线性判别分析原理 | 第20-21页 |
| 2.3.2 Fisher判别准则 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 最大互相关熵的广义核递归最小二乘算法 | 第23-31页 |
| 3.1 核方法 | 第23页 |
| 3.2 互相关熵 | 第23-25页 |
| 3.3 KRLS | 第25-26页 |
| 3.4 GKRMC | 第26-29页 |
| 3.5 本章小结 | 第29-31页 |
| 第4章 多层次结直肠癌预测模型构建 | 第31-41页 |
| 4.1 结直肠癌研究模型的构建 | 第31-32页 |
| 4.2 数据预处理 | 第32-33页 |
| 4.3 生物医学分类 | 第33页 |
| 4.4 数据降维 | 第33-35页 |
| 4.5 回归分析预测 | 第35-36页 |
| 4.6 评估分类器的准确率 | 第36-39页 |
| 4.6.1 分类器准确率度量 | 第36-38页 |
| 4.6.2 保持方法和随机子抽样 | 第38-39页 |
| 4.7 本章小结 | 第39-41页 |
| 第5章 实验结果与分析 | 第41-53页 |
| 5.1 实验数据背景 | 第41-42页 |
| 5.2 生物医学分类结果 | 第42-43页 |
| 5.3 数据降维的结果 | 第43-49页 |
| 5.3.1 稀疏主成分分析的降维结果 | 第43-44页 |
| 5.3.2 信息熵的降维结果 | 第44-45页 |
| 5.3.3 线性判别分析的降维结果 | 第45页 |
| 5.3.4 显著性生物标记的筛选 | 第45-49页 |
| 5.4 回归分析预测结果 | 第49-51页 |
| 5.5 本章小结 | 第51-53页 |
| 第6章 总结与展望 | 第53-55页 |
| 6.1 论文工作总结 | 第53-54页 |
| 6.2 未来工作展望 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 致谢 | 第61-63页 |
| 附录 | 第63-67页 |
| 攻读硕士学位期间发表的论文 | 第67页 |
