| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题的研究背景及意义 | 第11-12页 |
| 1.2 相关领域研究现状 | 第12-16页 |
| 1.2.1 胶质母细胞瘤亚型研究 | 第12-14页 |
| 1.2.2 基于模式识别的数据降维算法研究现状 | 第14页 |
| 1.2.3 基于模式识别的特征选择算法研究现状 | 第14-16页 |
| 1.3 主要研究内容和预期研究结果 | 第16页 |
| 1.4 论文的组织 | 第16-19页 |
| 第2章 相关技术与理论基础 | 第19-29页 |
| 2.1 引言 | 第19页 |
| 2.2 胶质母细胞瘤数据预处理理论基础 | 第19-20页 |
| 2.3 发现算法中数据降维流程相关理论 | 第20-26页 |
| 2.3.1 主成分分析算法介绍 | 第21-22页 |
| 2.3.2 线性判别分析算法介绍 | 第22-25页 |
| 2.3.3 最大相关性最小冗余度算法介绍 | 第25-26页 |
| 2.4 发现算法中的特征选择流程相关理论 | 第26-28页 |
| 2.4.1 非负矩阵分解算法相关理论 | 第26-27页 |
| 2.4.2 关联非负矩阵分解算法介绍 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于模式识别的胶质母细胞瘤数据降维算法 | 第29-39页 |
| 3.1 引言 | 第29页 |
| 3.2 胶质母细胞瘤数据预处理方法 | 第29-31页 |
| 3.3 Density算法进行可视化处理流程 | 第31-33页 |
| 3.4 基于模式识别数据降维方法 | 第33-36页 |
| 3.5 本章小结 | 第36-39页 |
| 第4章 基于模式识别的胶质母细胞瘤特征选择算法 | 第39-51页 |
| 4.1 引言 | 第39页 |
| 4.2 SJNMF算法 | 第39-50页 |
| 4.2.1 SJNMF算法介绍 | 第40-41页 |
| 4.2.2 SJNMF算法流程 | 第41-43页 |
| 4.2.3 SJNMF乘法更新规则 | 第43-46页 |
| 4.2.4 SJNMF算法分解矩阵的数据提取与评估 | 第46-48页 |
| 4.2.5 SJNMF算法中K值选择流程 | 第48-49页 |
| 4.2.6 通过SJNMF算法发现胶质母细胞瘤亚型 | 第49-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第5章 实验及结果分析 | 第51-61页 |
| 5.1 实验平台环境与数据集相关介绍 | 第51页 |
| 5.2 实验结果及分析 | 第51-59页 |
| 5.2.1 胶质母细胞瘤数据预处理流程 | 第52-55页 |
| 5.2.2 胶质母细胞瘤数据降维实验 | 第55-57页 |
| 5.2.3 胶质母细胞瘤数据特征选择实验 | 第57-59页 |
| 5.3 本章小结 | 第59-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68页 |