首页--医药、卫生论文--肿瘤学论文--肿瘤学实验研究论文

基于支持向量机和遗传算法的基因表达谱数据分类

摘要第4-6页
ABSTRACT第6-7页
第一章 绪论第10-15页
    1.1 研究背景第10-11页
    1.2 研究现状第11-14页
        1.2.1 基因表达谱数据分类及降维方法研究现状第11-13页
        1.2.2 多核CPU并行计算应用第13-14页
    1.3 研究内容和论文组织第14-15页
第二章 融合遗传算法和SVM分类基因表达谱数据第15-32页
    2.1 基因表达谱数据的表示第15页
    2.2 基因表达谱数据的除噪和冗余基因的剔除第15-16页
    2.3 基因表达谱数据的特征提取第16-18页
        2.3.1 主成分分析第16-17页
        2.3.2 线性判别分析第17-18页
    2.4 基于遗传算法的支持向量机参数调优第18-21页
    2.5 基因表达谱数据分类算法第21-23页
        2.5.1 算法思想第21-22页
        2.5.2 算法描述第22-23页
    2.6 实验第23-31页
        2.6.1 实验环境与数据第23-24页
        2.6.2 实验结果第24-31页
    2.7 本章小结第31-32页
第三章 多核并行加速基因表达谱数据分类第32-44页
    3.1 问题的提出第32-34页
    3.2 基因表达谱数据分类算法并行化第34-37页
        3.2.1 算法思想第34-36页
        3.2.2 算法描述第36-37页
    3.3 实验第37-43页
        3.3.1 实验环境与数据第37-38页
        3.3.2 实验结果第38-43页
    3.4 本章小结第43-44页
第四章 总结第44-45页
    4.1 主要工作成果第44页
    4.2 未来工作第44-45页
参考文献第45-48页
致谢第48-49页

论文共49页,点击 下载论文
上一篇:Ridge Polynomial神经网络带动量项算法和灰度剪枝算法的研究
下一篇:改进多种群遗传算法的研究及其在车辆路径优化的应用