| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第12-30页 |
| 1.1 课题研究背景及意义 | 第12-16页 |
| 1.1.1 微阵列基因表达数据 | 第12-14页 |
| 1.1.2 颈动脉狭窄术后脑过度灌注综合征 | 第14-16页 |
| 1.2 非均衡分类方法研究现状 | 第16-19页 |
| 1.2.1 类非均衡问题本质 | 第16-17页 |
| 1.2.2 非均衡分类评价标准 | 第17页 |
| 1.2.3 非均衡分类方法 | 第17-19页 |
| 1.3 特征选择研究现状 | 第19-26页 |
| 1.3.1 特征选择过程 | 第19-21页 |
| 1.3.2 特征选择方法 | 第21-26页 |
| 1.4 本文主要内容及安排 | 第26-30页 |
| 第二章 基于改进ReliefF和SVM-RFE的非均衡特征选择方法 | 第30-46页 |
| 2.1 引言 | 第30-31页 |
| 2.2 改进ReliefF算法 | 第31-32页 |
| 2.2.1 ReliefF算法 | 第31-32页 |
| 2.2.2 改进的ReliefF算法 | 第32页 |
| 2.3 SVM-RFE算法 | 第32-36页 |
| 2.3.1 支持向量机基本原理 | 第32-35页 |
| 2.3.2 支持向量机递归特征消除 | 第35-36页 |
| 2.4 改进ReliefF+SVM-RFE非均衡特征选择方法 | 第36-39页 |
| 2.5 结果与分析 | 第39-45页 |
| 2.5.1 数据描述与处理 | 第39页 |
| 2.5.2 评价标准 | 第39-41页 |
| 2.5.3 实验设置 | 第41-42页 |
| 2.5.4 结果与讨论 | 第42-45页 |
| 2.6 本章小结 | 第45-46页 |
| 第三章 基于多目标优化的非均衡特征选择方法 | 第46-64页 |
| 3.1 引言 | 第46-47页 |
| 3.2 多目标优化方法 | 第47-49页 |
| 3.2.1 多目标优化概述 | 第47-48页 |
| 3.2.2 遗传算法 | 第48-49页 |
| 3.2.3 多目标遗传算法 | 第49页 |
| 3.3 NSGA-Ⅱ算法 | 第49-53页 |
| 3.3.1 方法原理 | 第49-51页 |
| 3.3.2 基本流程 | 第51-53页 |
| 3.4 多目标优化非均衡特征选择方法 | 第53-55页 |
| 3.5 结果与分析 | 第55-62页 |
| 3.5.1 实验设置 | 第55-56页 |
| 3.5.2 结果与讨论 | 第56-62页 |
| 3.6 本章小结 | 第62-64页 |
| 第四章 CEA术后CHS非均衡数据集分类应用 | 第64-74页 |
| 4.1 数据描述 | 第64页 |
| 4.2 特征选择 | 第64-66页 |
| 4.3 算法层面分类 | 第66-69页 |
| 4.3.1 单类支持向量机 | 第66-67页 |
| 4.3.2 代价敏感模型 | 第67-68页 |
| 4.3.3 实验设置 | 第68页 |
| 4.3.4 结果与讨论 | 第68-69页 |
| 4.4 数据层面分类 | 第69-73页 |
| 4.4.1 朴素贝叶斯 | 第69-70页 |
| 4.4.2 集成学习 | 第70-71页 |
| 4.4.3 实验设置 | 第71页 |
| 4.4.4 结果与讨论 | 第71-73页 |
| 4.5 本章小结 | 第73-74页 |
| 第五章 总结与展望 | 第74-78页 |
| 5.1 总结 | 第74-75页 |
| 5.2 展望 | 第75-78页 |
| 参考文献 | 第78-84页 |
| 攻读学位期间发表的论文与成果 | 第84页 |