| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文创新点 | 第12页 |
| 1.4 本文结构 | 第12-14页 |
| 第2章 特征选择与布谷鸟算法 | 第14-29页 |
| 2.1 特征选择 | 第14-21页 |
| 2.1.1 特征选择的概念及特征选择的基本框架 | 第14-15页 |
| 2.1.2 特征选择算法分类 | 第15-20页 |
| 2.1.3 特征选择的优势 | 第20-21页 |
| 2.1.4 特征选择算法的选用 | 第21页 |
| 2.2 布谷鸟搜索算法 | 第21-25页 |
| 2.2.1 布谷鸟算法的来源 | 第21-22页 |
| 2.2.2 莱维飞行 | 第22-23页 |
| 2.2.3 布谷鸟算法原理介绍 | 第23-24页 |
| 2.2.4 布谷鸟算法的参数选定 | 第24-25页 |
| 2.3 二进制布谷鸟搜索算法 | 第25-29页 |
| 2.3.1 二进制布谷鸟搜索算法介绍 | 第25-27页 |
| 2.3.2 二进制布谷鸟算法基本流程 | 第27-29页 |
| 第3章 基于量子运算的二进制布谷鸟搜索算法 | 第29-37页 |
| 3.1 引言 | 第29页 |
| 3.2 量子搜索算法 | 第29-31页 |
| 3.3 基于量子运算的二进制布谷鸟算法 | 第31-35页 |
| 3.4 求解背包问题 | 第35-37页 |
| 第4章 改进的布谷鸟搜索算法在微阵列数据中的应用 | 第37-49页 |
| 4.1 微阵列与微阵列数据 | 第37-40页 |
| 4.1.1 微阵列技术概述 | 第37页 |
| 4.1.2 微阵列数据 | 第37-39页 |
| 4.1.3 微阵列数据的获取 | 第39页 |
| 4.1.4 微阵列数据库 | 第39-40页 |
| 4.2 支持向量机 | 第40-45页 |
| 4.2.1 基本原理 | 第40-44页 |
| 4.2.2 核函数 | 第44页 |
| 4.2.3 支持向量机的两种改进算法 | 第44-45页 |
| 4.2.4 支持向量机的特点及应用 | 第45页 |
| 4.3 基于二进制布谷鸟搜索算法对微阵列数据的特征选择 | 第45-47页 |
| 4.4 测试结果与分析 | 第47-49页 |
| 第5章 总结与展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 作者简介 | 第54-55页 |
| 致谢 | 第55页 |