| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 缩略词 | 第11-12页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 基因突变与癌症发生 | 第12-14页 |
| 1.2 卵巢癌现状与早期癌症诊断 | 第14-15页 |
| 1.3 质谱分析模型研究的目的及意义 | 第15-17页 |
| 1.4 论文的主要工作及结构 | 第17-20页 |
| 1.4.1 论文的主要工作 | 第17-18页 |
| 1.4.2 论文的结构 | 第18-20页 |
| 第二章 低分辨率卵巢癌的数据分析 | 第20-36页 |
| 2.1 实验数据集 | 第20页 |
| 2.2 实验方法 | 第20-25页 |
| 2.2.1 删除无效数据 | 第20-21页 |
| 2.2.2 局部最大值搜索(LMS)峰值检测和量化 | 第21-22页 |
| 2.2.3 特征选择算法 | 第22-24页 |
| 2.2.4 支持向量机学习分类算法 | 第24-25页 |
| 2.2.5 特征子集相似性分析和主成分分析 | 第25页 |
| 2.3 实验结果 | 第25-34页 |
| 2.3.1 LMS峰值检测和参数探究结果 | 第26-31页 |
| 2.3.2 Relief算法与其他降维算法的比较 | 第31-32页 |
| 2.3.3 特征子集相似性分析和主成分分析结果 | 第32-34页 |
| 2.4 讨论 | 第34-36页 |
| 第三章 高分辨率卵巢癌的数据分析 | 第36-48页 |
| 3.1 实验数据集 | 第36页 |
| 3.2 实验方法 | 第36-39页 |
| 3.2.1 删除无效数据和等间距分组 | 第36-37页 |
| 3.2.2 局部最大值搜索(LMS)峰值检测和量化 | 第37-38页 |
| 3.2.3 特征选择算法 | 第38页 |
| 3.2.4 F-score-Relief特征加权选择算法 | 第38-39页 |
| 3.2.5 支持向量机学习分类算法 | 第39页 |
| 3.2.6 特征子集相似性分析和主成分分析 | 第39页 |
| 3.3 实验结果 | 第39-47页 |
| 3.3.1 LMS峰值检测和参数探究结果 | 第40-41页 |
| 3.3.2 FRW算法与其他算法的分类结果比较 | 第41-43页 |
| 3.3.3 样本方差CV的限制和K-S检验算法降维结果 | 第43-45页 |
| 3.3.4 特征子集相似性分析和主成分分析结果 | 第45-47页 |
| 3.4 讨论 | 第47-48页 |
| 第四章 总结与展望 | 第48-52页 |
| 4.1 总结 | 第48-49页 |
| 4.2 展望 | 第49-52页 |
| 附录 | 第52-54页 |
| 参考文献 | 第54-62页 |
| 致谢 | 第62-64页 |
| 攻读学位期间发表的学术论文 | 第64-66页 |
| 学位论文评阅及答辩情况表 | 第66页 |
