| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 本文研究内容 | 第16-17页 |
| 1.4 文章结构 | 第17-19页 |
| 第2章 相关知识介绍 | 第19-28页 |
| 2.1 基因表达谱数据 | 第19-20页 |
| 2.2 相似性度量 | 第20-21页 |
| 2.3 聚类 | 第21-24页 |
| 2.3.1 K均值聚类算法 | 第22-23页 |
| 2.3.2 K中心点聚类算法 | 第23-24页 |
| 2.4 Relief特征选择算法 | 第24-26页 |
| 2.5 K近邻分类算法 | 第26-27页 |
| 2.6 小结 | 第27-28页 |
| 第3章 基于特征相似性的特征选择算法 | 第28-39页 |
| 3.1 引言 | 第28页 |
| 3.2 特征分析 | 第28-30页 |
| 3.3 FS-based特征选择算法 | 第30-36页 |
| 3.3.1 无关特征的剔除 | 第30-31页 |
| 3.3.2 噪音特征的剔除 | 第31-32页 |
| 3.3.3 冗余特征的剔除 | 第32-36页 |
| 3.4 实验结果与分析 | 第36-38页 |
| 3.4.1 实验样本集 | 第36页 |
| 3.4.2 实验及分析 | 第36-38页 |
| 3.5 小结 | 第38-39页 |
| 第4章 基于Top-r方法的FS-based特征选择算法 | 第39-53页 |
| 4.1 引言 | 第39页 |
| 4.2 Top-r特征选择算法介绍 | 第39-41页 |
| 4.3 Top-r特征选择算法分析 | 第41-46页 |
| 4.3.1 特征块的划分 | 第42-45页 |
| 4.3.2 特征总量的确定 | 第45-46页 |
| 4.4 一种基于Top-r方法的FS-based特征选择算法 | 第46-49页 |
| 4.4.1 降低冗余特征所占比例 | 第47-48页 |
| 4.4.2 划分特征集合 | 第48-49页 |
| 4.5 实验结果与分析 | 第49-52页 |
| 4.5.1 实验数据集 | 第49页 |
| 4.5.2 算法的时间效率 | 第49-51页 |
| 4.5.3 实验及分析 | 第51-52页 |
| 4.6 小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 附录 A 攻读硕士学位期间发表论文目录 | 第60页 |