| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·研究背景 | 第11-13页 |
| ·后基因组时代的生物信息学 | 第11-12页 |
| ·基因芯片技术 | 第12页 |
| ·数据挖掘技术在生物信息学中的应用 | 第12-13页 |
| ·算法的国内外研究现状 | 第13-15页 |
| ·课题研究意义 | 第15页 |
| ·本文的主要内容及结构安排 | 第15-17页 |
| 第2章 基因表达数据及其聚类技术 | 第17-29页 |
| ·基因表达数据特点与分析 | 第17-19页 |
| ·基因表达数据的特点 | 第17-18页 |
| ·基因表达数据的分析 | 第18-19页 |
| ·基因表达数据的聚类技术研究 | 第19-26页 |
| ·聚类定义 | 第19-20页 |
| ·数据间相似性度量标准 | 第20-21页 |
| ·聚类分析面临的挑战 | 第21-22页 |
| ·常用的基因表达数据聚类算法 | 第22-26页 |
| ·聚类算法的性能评价 | 第26-28页 |
| ·无监督聚类算法的有效性分析 | 第26-27页 |
| ·有监督聚类算法的准确性评估 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于关联测度的基因数据模糊聚类算法 | 第29-46页 |
| ·引言 | 第29页 |
| ·基于相关性指标的基因表达数据预处理 | 第29-30页 |
| ·FCM 算法及其参数初始化研究 | 第30-36页 |
| ·FCM 算法原理 | 第30-32页 |
| ·基于普里姆算法的k 中心初始化 | 第32-34页 |
| ·加权值m 值的选取 | 第34页 |
| ·最佳分组数的确定 | 第34-36页 |
| ·基于关联测度的基因数据FCM 聚类算法 | 第36-42页 |
| ·基于关联测度的基因聚类算法描述 | 第36-39页 |
| ·改进后的基因聚类算法模型 | 第39-41页 |
| ·算法复杂度分析 | 第41-42页 |
| ·实验与分析 | 第42-44页 |
| ·实验数据 | 第42页 |
| ·实验环境 | 第42-43页 |
| ·实验设计 | 第43页 |
| ·实验结果分析 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第4章 一种改进的基因数据监督聚类方法 | 第46-61页 |
| ·引言 | 第46-48页 |
| ·基因选择 | 第48-49页 |
| ·基于支持向量机的组织样本监督聚类 | 第49-51页 |
| ·最优归类超平面 | 第49-50页 |
| ·支持向量机算法 | 第50-51页 |
| ·基于组织样本分型的支持向量机性能评价 | 第51页 |
| ·支持向量机与决策树结合的组织样本监督聚类算法 | 第51-55页 |
| ·决策树算法模型 | 第51-53页 |
| ·基于结合的SVM-TREE 组织样本监督聚类算法描述 | 第53-54页 |
| ·样本数据的训练集和测试集选择策略 | 第54页 |
| ·组织样本监督聚类算法SVM-TREE 的构建与评估 | 第54-55页 |
| ·实验与分析 | 第55-60页 |
| ·实验数据 | 第55-56页 |
| ·实验环境 | 第56页 |
| ·实验模型 | 第56页 |
| ·实验结果分析 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 作者简介 | 第70页 |