| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第10-18页 |
| ·蛋白质质谱技术 | 第11-14页 |
| ·特征选择 | 第14-15页 |
| ·基本概念 | 第14-15页 |
| ·特征选择在生物信息学中的应用 | 第15页 |
| ·模式分类 | 第15-16页 |
| ·模式分类的概念 | 第15-16页 |
| ·模式分类应用 | 第16页 |
| ·蛋白质质谱分析的研究现状 | 第16页 |
| ·本文研究内容 | 第16-18页 |
| 第2章 基于遗传算法的特征选择 | 第18-32页 |
| ·遗传算法 | 第18-22页 |
| ·遗传算法的起源与发展 | 第18-19页 |
| ·遗传算法基本原理 | 第19-21页 |
| ·遗传算法的特点及应用 | 第21-22页 |
| ·本文提出的基于遗传算法的蛋白质质谱特征选择模型 | 第22-32页 |
| ·编码和解码 | 第25页 |
| ·适应度函数 | 第25-28页 |
| ·选择和再生 | 第28页 |
| ·均匀交叉 | 第28-29页 |
| ·基于自适应变异率的均匀变异 | 第29-30页 |
| ·群体规模 | 第30页 |
| ·终止条件 | 第30-32页 |
| 第3章 基于模拟退火算法的特征选择 | 第32-40页 |
| ·模拟退火算法 | 第32-35页 |
| ·模拟退火算法的起源与发展 | 第32页 |
| ·模拟退火算法基本原理 | 第32-34页 |
| ·模拟退火算法特点及应用 | 第34-35页 |
| ·本文提出的基于模拟退火算法的蛋白质质谱特征选择模型 | 第35-40页 |
| ·解和解空间 | 第37页 |
| ·目标函数 | 第37页 |
| ·新解的产生 | 第37-38页 |
| ·添加记忆 | 第38页 |
| ·冷却进度表设置 | 第38-40页 |
| 第4章 数据预处理与模式分类 | 第40-44页 |
| ·预处理 | 第40-41页 |
| ·重采样、对齐、背景调整和去噪 | 第40页 |
| ·滤除缺乏变化的特征 | 第40-41页 |
| ·规范化 | 第41页 |
| ·线性判别式分析分类器 | 第41-42页 |
| ·支持向量机分类器 | 第42-43页 |
| ·交叉验证 | 第43页 |
| ·分类性能度量 | 第43-44页 |
| 第5章 实验结果与分析 | 第44-60页 |
| ·数据集 | 第44-45页 |
| ·OvarianCD_PostQAQC 数据集 | 第44页 |
| ·8-7-02 数据集 | 第44页 |
| ·4/3/02 数据集 | 第44-45页 |
| ·7-3-02 数据集 | 第45页 |
| ·PC-IMAC-Cu 数据集 | 第45页 |
| ·基于遗传算法的特征选择和模式分类结果 | 第45-51页 |
| ·遗传算法参数的设置 | 第45-46页 |
| ·遗传算法在五组数据集上的结果 | 第46-48页 |
| ·遗传算法在五组数据集上发现的显著类可分特征子集 | 第48-50页 |
| ·遗传算法的不同变异策略的比较 | 第50页 |
| ·LDA 与SVM 对于相同特征子集的分类性能的比较 | 第50-51页 |
| ·基于模拟退火算法的特征选择和模式分类结果 | 第51-54页 |
| ·模拟退火算法参数的设置 | 第51-52页 |
| ·模拟退火算法在前列腺质谱数据集上的结果 | 第52-53页 |
| ·模拟退火算法发现的显著类可分特征子集 | 第53-54页 |
| ·在五组数据集上的比较结果 | 第54-56页 |
| ·模拟退火算法与遗传算法的比较 | 第56-57页 |
| ·讨论 | 第57-60页 |
| 第6章 结论 | 第60-63页 |
| ·结论 | 第60-61页 |
| ·今后工作 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 在学期间主要科研成果 | 第69页 |