基于多特征的集成分类器在基因表达数据分类中的应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-13页 |
| ·课题的背景、目的和意义 | 第10页 |
| ·国内外研究动态 | 第10-12页 |
| ·论文的组织结构 | 第12-13页 |
| 第二章 基因表达数据 | 第13-24页 |
| ·DNA 微阵列 | 第13-17页 |
| ·微阵列的两种类型 | 第13-15页 |
| ·微阵列技术的应用 | 第15-17页 |
| ·基因表达数据的获取 | 第17-19页 |
| ·基因表达数据的预处理 | 第19-24页 |
| ·数据清洗 | 第19-20页 |
| ·缺失数据处理 | 第20-21页 |
| ·数据转换 | 第21-22页 |
| ·数据过滤 | 第22-23页 |
| ·数据标准化 | 第23-24页 |
| 第三章 基因表达数据的特征选择算法 | 第24-31页 |
| ·传统的基因选择算法 | 第24-27页 |
| ·倍数分析 | 第24-25页 |
| ·Golub 方法 | 第25页 |
| ·t 检验 | 第25-26页 |
| ·Wilcoxon 秩和检验 | 第26-27页 |
| ·基于相关性分析的基因选择算法 | 第27-31页 |
| 第四章 基因表达数据常用的分类算法 | 第31-37页 |
| ·传统的分类算法 | 第31-34页 |
| ·朴素贝叶斯方法 | 第31-32页 |
| ·决策树 | 第32-33页 |
| ·人工神经网络 | 第33-34页 |
| ·支持向量机 | 第34页 |
| ·集成分类器算法 | 第34-37页 |
| 第五章 基于多特征的集成分类器模型 | 第37-51页 |
| ·传统的集成分类器算法的不足 | 第37-38页 |
| ·基于多特征的集成分类器算法 | 第38-50页 |
| ·基于特征的bagging 采样 | 第38-41页 |
| ·子分类器的设计和学习算法 | 第41-45页 |
| ·基于EDA 的选择性集成算法 | 第45-50页 |
| ·基于多特征的集成分类器算法的算法框图 | 第50-51页 |
| 第六章 基因表达数据分类 | 第51-61页 |
| ·实验数据来源 | 第51-52页 |
| ·数据预处理 | 第52-53页 |
| ·特征提取 | 第53-54页 |
| ·基于多特征的集成分类器 | 第54-58页 |
| ·训练集 | 第54-55页 |
| ·PSO-NN 二分类模型 | 第55-57页 |
| ·基于EDA 的选择性集成 | 第57-58页 |
| ·实验结果与分析 | 第58-61页 |
| 第七章 总结和展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读学位其间发表论文目录 | 第69页 |
