| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 基于单目标遗传算法的双聚类算法 | 第13-15页 |
| 1.2.2 基于多目标遗传算法的双聚类算法 | 第15-17页 |
| 1.3 本文的工作概要和内容安排 | 第17-19页 |
| 1.3.1 主要工作 | 第17页 |
| 1.3.2 论文的章节安排 | 第17-19页 |
| 第二章 基因表达数据及其双聚类方法 | 第19-47页 |
| 2.1 基因表达数据 | 第19-20页 |
| 2.2 聚类分析 | 第20-24页 |
| 2.2.1 常用的相似性度量的距离函数 | 第20-21页 |
| 2.2.2 常用的聚类分析方法 | 第21-24页 |
| 2.3 双聚类 | 第24-32页 |
| 2.3.1 背景和意义 | 第24-25页 |
| 2.3.2 双聚类的定义 | 第25-26页 |
| 2.3.3 双聚类的模式 | 第26-29页 |
| 2.3.4 双聚类的评价函数 | 第29-32页 |
| 2.4 Cheng and Church双聚类算法 | 第32-33页 |
| 2.5 基于遗传算法的双聚类算法 | 第33-46页 |
| 2.5.1 遗传算法简介 | 第33-40页 |
| 2.5.2 研究现状 | 第40-42页 |
| 2.5.3 典型的单目标遗传双聚类算法 | 第42-44页 |
| 2.5.4 典型的多目标遗传双聚类算法 | 第44-46页 |
| 2.6 本章小结 | 第46-47页 |
| 第三章 基于双阶进化的双聚类算法 | 第47-60页 |
| 3.1 算法框架概述 | 第47-48页 |
| 3.2 检测双聚类种子 | 第48-51页 |
| 3.2.1 矩阵变换 | 第48-50页 |
| 3.2.2 聚类检测过程 | 第50-51页 |
| 3.3 Pop-R&C和Pop-B种群的构成 | 第51-52页 |
| 3.4 种群个体适应度的设计 | 第52-54页 |
| 3.4.1 Pop-R&C种群个体适应度设计 | 第53页 |
| 3.4.2 Pop-B种群个体适应度设计 | 第53-54页 |
| 3.5 双阶进化过程 | 第54-58页 |
| 3.5.1 种群的初始化 | 第54-55页 |
| 3.5.2 种群的遗传算子 | 第55-56页 |
| 3.5.3 Pop-R&C和Pop-B种群之间的交配 | 第56-58页 |
| 3.6 BP-EBA算法框架流程 | 第58-59页 |
| 3.7 本章小结 | 第59-60页 |
| 第四章 实验结果与分析 | 第60-79页 |
| 4.1 实验设计 | 第60-61页 |
| 4.1.1 实验平台描述 | 第61页 |
| 4.2 人工数据集 | 第61-71页 |
| 4.2.1 实验结果评价指标 | 第61-62页 |
| 4.2.2 实验数据集和实验参数设置 | 第62-63页 |
| 4.2.3 噪声实验设计及结果分析 | 第63-67页 |
| 4.2.4 重叠性实验设计及结果分析 | 第67-70页 |
| 4.2.5 算法收敛性实验 | 第70-71页 |
| 4.3 真实数据集 | 第71-78页 |
| 4.3.1 实验数据集和实验参数设置 | 第71-73页 |
| 4.3.2 实验结果评价指标 | 第73页 |
| 4.3.3 实验结果与分析 | 第73-78页 |
| 4.4 本章小结 | 第78-79页 |
| 总结与展望 | 第79-81页 |
| 本文工作总结 | 第79-80页 |
| 工作展望 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 攻读硕士学位期间取得的研究成果 | 第86-88页 |
| 致谢 | 第88-89页 |
| 附件 | 第89页 |