神经网络集成技术及其在癌症基因分类中的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-15页 |
| 第1章 绪论 | 第15-21页 |
| ·研究背景与意义 | 第15-17页 |
| ·基因微矩阵数据在癌症分类中的应用 | 第17-18页 |
| ·概述 | 第17页 |
| ·基因表达数据分析方法 | 第17-18页 |
| ·神经网络 | 第18-19页 |
| ·人工神经网络概述 | 第18-19页 |
| ·神经网络的发展 | 第19页 |
| ·神经网络集成及应用 | 第19-20页 |
| ·本文的工作 | 第20-21页 |
| 第2章 微阵列基因数据分类与方法 | 第21-33页 |
| ·概述 | 第21-22页 |
| ·分类的背景 | 第22-23页 |
| ·特征基因选择 | 第23-26页 |
| ·概述 | 第23页 |
| ·统计法 | 第23-24页 |
| ·主成分分析 | 第24-25页 |
| ·信噪比 | 第25页 |
| ·中位数 | 第25-26页 |
| ·人工神经网络 | 第26-32页 |
| ·前馈神经网络 | 第28页 |
| ·反向传播算法 | 第28-30页 |
| ·激励函数 | 第30-32页 |
| ·WRAPPER 法 | 第32页 |
| ·小结 | 第32-33页 |
| 第3章 基于PPS 抽样的神经网络集成算法 | 第33-57页 |
| ·样本重构方法简介 | 第33-37页 |
| ·Bagging 方法 | 第33-35页 |
| ·Boosting 方法 | 第35-36页 |
| ·两种方法的比较 | 第36-37页 |
| ·基于PPS 抽样的样本重构 | 第37-38页 |
| ·PPS 抽样基本概念 | 第37-38页 |
| ·基于PPS 抽样的样本重构 | 第38页 |
| ·神经网络集成技术 | 第38-43页 |
| ·结论结合方法 | 第40页 |
| ·选择个体网络集成的理论依据 | 第40-41页 |
| ·负相关学习法 | 第41-43页 |
| ·神经网络动态集成 | 第43页 |
| ·神经网络动态集成的实现方法 | 第43-45页 |
| ·实验数据介绍 | 第45页 |
| ·实验设计 | 第45-46页 |
| ·实验结果及分析 | 第46-56页 |
| ·小结 | 第56-57页 |
| 第4章 基于分层抽样的神经网络集成算法 | 第57-67页 |
| ·特征基因选择方法简介 | 第57页 |
| ·基于分层抽样的特征基因选择 | 第57-59页 |
| ·分层 | 第58页 |
| ·偏度 | 第58-59页 |
| ·神经网络 | 第59-60页 |
| ·分量分类器结构 | 第59页 |
| ·分类器集成 | 第59-60页 |
| ·实现方法 | 第60-66页 |
| ·实验数据与评分方法 | 第60页 |
| ·神经网络结构 | 第60页 |
| ·实验结果与分析 | 第60-66页 |
| ·小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第74页 |
