| 提要 | 第1-10页 |
| 第一章 维数灾难 | 第10-14页 |
| ·维数灾难 | 第10-13页 |
| ·维数灾难的解决 | 第13-14页 |
| 第二章 特征选择与特征提取 | 第14-31页 |
| ·特征选择 | 第14-25页 |
| ·CLaNC 算法描述 | 第15-16页 |
| ·One-By-One 算法描述 | 第16-17页 |
| ·T 检验算法描述 | 第17-20页 |
| ·Gram-Schmidt 算法描述 | 第20-25页 |
| ·经典Gram-Schmidt 算法描述. | 第20-23页 |
| ·随机特征Gram-Schmidt 算法描述 | 第23-25页 |
| ·特征提取 | 第25-28页 |
| ·主成分分析算法描述 | 第25-26页 |
| ·Autoencoder network 算法描述 | 第26-28页 |
| ·K 最近邻分类器 | 第28-29页 |
| ·交叉验证 | 第29-31页 |
| 第三章 生物标记的发掘 | 第31-32页 |
| 第四章 液相质谱宫颈癌数据集 | 第32-46页 |
| ·液相质谱分析法 | 第32-38页 |
| ·高效液相色谱 | 第33-36页 |
| ·质谱分析 | 第36-37页 |
| ·高效液相色谱与质谱分析的接口 | 第37-38页 |
| ·液相质谱数据的处理 | 第38-39页 |
| ·宫颈癌数据集 | 第39-46页 |
| 第五章 数据降维实验 | 第46-114页 |
| ·利用WEKA 进行数据降维 | 第46-59页 |
| ·数据准备-ARFF | 第47-48页 |
| ·属性选择 | 第48-59页 |
| ·利用MATLAB 进行数据降维 | 第59-83页 |
| ·CLaNC 算法实现 | 第59-62页 |
| ·One-By-One 算法实现 | 第62-68页 |
| ·One_by_one1 算法实现 | 第63-65页 |
| ·One_by_one2 算法实现 | 第65-68页 |
| ·T 检验算法实现 | 第68-76页 |
| ·经典t 检验算法实现 | 第69-70页 |
| ·配对t 检验算法实现 | 第70-76页 |
| ·Gram-Schmidt 算法实现 | 第76-82页 |
| ·经典Gram-Schmidt 算法实现. | 第76-79页 |
| ·随机特征Gram-Schmidt 算法实现 | 第79-82页 |
| ·性能比较 | 第82-83页 |
| ·利用MATLAB 工具箱进行数据降维. | 第83-91页 |
| ·利用改进的方法学进行数据降维 | 第91-114页 |
| ·利用WEKA 和改进后的方法学对数据进行降维 | 第93-102页 |
| ·利用MatLab 和改进后的方法学对数据进行降维 | 第102-114页 |
| 第六章 结论 | 第114-116页 |
| 附录一 宫颈癌数据集SOP 1 | 第116-119页 |
| 附录二 宫颈癌数据集SOP 2 | 第119-123页 |
| 附录三 MATLAB 工具箱“DRTOOLBOX”(V0.3b) | 第123-128页 |
| 摘要 | 第128-131页 |
| ABSTRACT | 第131-134页 |
| 致谢 | 第134-135页 |
| ACKNOWLEDGEMENTS | 第135-136页 |
| 参考文献 | 第136-137页 |
