| 摘要 | 第1-9页 |
| Abstract | 第9-10页 |
| 引言 | 第10-12页 |
| 第一章 绪论 | 第12-18页 |
| ·研究的背景 | 第12-17页 |
| ·DNA 微阵列介绍 | 第12-13页 |
| ·DNA 微阵列表达数据 | 第13-17页 |
| ·本文的组织框架 | 第17-18页 |
| 第二章 聚类概述 | 第18-34页 |
| ·聚类分析定义及意义 | 第18-19页 |
| ·聚类分析的意义 | 第18页 |
| ·聚类的定义 | 第18页 |
| ·聚类的数学描述 | 第18-19页 |
| ·聚类的应用以及要求 | 第19-20页 |
| ·聚类的应用 | 第19页 |
| ·聚类的要求 | 第19-20页 |
| ·聚类分析的相似性度量 | 第20-23页 |
| ·在基因表达数据分析中常用的聚类算法 | 第23-26页 |
| ·K-Means Clustering | 第23-24页 |
| ·Self-Organizing Map Clustering | 第24-25页 |
| ·Hierarchical Clustering | 第25-26页 |
| ·基因表达数据的聚类方法 | 第26-28页 |
| ·基因聚类 | 第27页 |
| ·组织样本聚类 | 第27页 |
| ·双向聚类 | 第27-28页 |
| ·聚类效果的评价 | 第28-33页 |
| ·外部度量方法 | 第28-30页 |
| ·结构 C 与独立划分的数据 P 的比较(对分层聚类不适用) | 第29-30页 |
| ·邻近的矩阵 P 与独立划分的数据 P 的比较 | 第30页 |
| ·Fmeasure | 第30页 |
| ·内部度量方法 | 第30-31页 |
| ·分层聚类形式的评价 | 第30页 |
| ·单一聚类形式的评价 | 第30-31页 |
| ·相对度量方法 | 第31-33页 |
| ·改进的 Hubert 统计量 | 第31页 |
| ·Dunn 和 Dunn-like 指标 | 第31页 |
| ·Davies-Bouldin (DB)指标 | 第31-32页 |
| ·SD 有效性指标 | 第32页 |
| ·RMSSDT/SPR/RS/CD 指标 | 第32页 |
| ·Xie-Beni 指标 | 第32-33页 |
| ·Fukuyama-Sugeno 指标 | 第33页 |
| ·分配系数(partition coefficient) | 第33页 |
| ·分配熵系数(partition entropy coefficient) | 第33页 |
| ·平均分离度(The average partition density) | 第33页 |
| ·本章小结 | 第33-34页 |
| 第三章 蚁群聚类算法 | 第34-40页 |
| ·引言 | 第34页 |
| ·基于蚂蚁清理蚁穴原理的聚类算法 | 第34-35页 |
| ·基于蚂蚁寻找食物原理的聚类算法 | 第35-37页 |
| ·基于蚂蚁自我组织原理的聚类算法 | 第37-38页 |
| ·基于蚂蚁化学识别原理的聚类算法 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于蚁穴清理行为的蚁群算法(LF)对基因表达数据进行聚类分析 | 第40-47页 |
| ·引言 | 第40页 |
| ·算法描述 | 第40-41页 |
| ·实验数据 | 第41-42页 |
| ·数据预处理 | 第42-43页 |
| ·聚类结果 | 第43-44页 |
| ·参数分析 | 第44-45页 |
| ·结果分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 改进的 LF 算法对基因表达数据进行聚类分析 | 第47-55页 |
| ·引言 | 第47页 |
| ·基于平均距离的 LF 算法——AvgAnt | 第47-50页 |
| ·AvgAnt 聚类结果 | 第48-50页 |
| ·参数及结果分析 | 第50页 |
| ·基于 K-means 的 AvgAnt 算法——KAA | 第50-52页 |
| ·KAA 的算法原理 | 第50-51页 |
| ·KAA 算法的实验结果 | 第51-52页 |
| ·基于 K-means 的 LF 算法——KLF | 第52-53页 |
| ·KLF 算法的实验结果 | 第52-53页 |
| ·本章小结 | 第53-55页 |
| 第六章 总结与展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60页 |
