| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·选题背景及意义 | 第8页 |
| ·蛋白质组学概况 | 第8-10页 |
| ·特征选择研究概况 | 第10页 |
| ·群体智能算法研究概况 | 第10-12页 |
| ·论文的主要工作 | 第12-13页 |
| 第二章 SELDI-TOF 质谱数据分析 | 第13-18页 |
| ·SELDI-TOF-MS 蛋白质芯片系统组成及原理 | 第13-14页 |
| ·SELDI-TOF 质谱分析步骤 | 第14-15页 |
| ·SELDI-TOF 质谱的研究趋势 | 第15页 |
| ·SELDI-TOF 质谱技术预处理技术研究 | 第15-18页 |
| ·常见预处理方法介绍 | 第16-17页 |
| ·预处理算法比较 | 第17-18页 |
| 第三章 特征选择算法的基本特性研究 | 第18-25页 |
| ·特征选择算法的结构 | 第18-19页 |
| ·特征选择算法的伪代码 | 第19-21页 |
| ·质谱分析中的特征选择技术 | 第21-24页 |
| ·常用特征选择技术概述 | 第21-22页 |
| ·t-检验法 | 第22页 |
| ·遗传算法 | 第22-23页 |
| ·神经网络 | 第23-24页 |
| ·特征选择算法的选用 | 第24-25页 |
| 第四章 群体智能算法及其改进 | 第25-38页 |
| ·基本蚁群算法 | 第25-26页 |
| ·几种改进蚁群算法 | 第26-32页 |
| ·蚁群系统 | 第26-28页 |
| ·最大-最小蚁群系统 | 第28页 |
| ·多态蚁群算法 | 第28-31页 |
| ·其他的改进蚁群优化算法 | 第31-32页 |
| ·基本粒子群算法 | 第32-34页 |
| ·算法原理 | 第32-33页 |
| ·算法流程 | 第33-34页 |
| ·几种改进粒子群算法 | 第34-38页 |
| ·带有惯性因子的粒子群算法 | 第34页 |
| ·带有收缩因子的粒子群算法 | 第34-35页 |
| ·基于遗传思想改进粒子群算法 | 第35页 |
| ·其他的改进粒子群优化算法 | 第35-36页 |
| ·量子行为粒子群优化算法 | 第36-38页 |
| ·量子粒子群的算法描述 | 第36-37页 |
| ·量子粒子群算法的优点 | 第37-38页 |
| 第五章 群体智能算法在SELDI-TOF 质谱数据分析中应用 | 第38-49页 |
| ·肿瘤早期诊断 | 第38页 |
| ·基于ACO-SVM 在SELDI 质谱数据中的应用 | 第38-44页 |
| ·实验数据 | 第38页 |
| ·数据预处理 | 第38-40页 |
| ·ACO-SVM 特征选择算法 | 第40-41页 |
| ·实验结果及分析 | 第41-44页 |
| ·基于QPSO-SVM 在SELDI 质谱数据中的应用 | 第44-47页 |
| ·PSO-SVM 算法流程设计 | 第44页 |
| ·QPSO-SVM 算法流程设计 | 第44-45页 |
| ·实验结果及分析 | 第45-47页 |
| ·小结 | 第47-49页 |
| 总结与展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第57页 |
