| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景与意义 | 第8-9页 |
| ·基因芯片与基因表达谱数据 | 第9-11页 |
| ·基因芯片 | 第9-10页 |
| ·数据获取 | 第10页 |
| ·数据特点 | 第10-11页 |
| ·DNA芯片的应用与研究方向 | 第11页 |
| ·本文研究内容及组织结构 | 第11-13页 |
| 第二章 基因表达谱数据分析基础 | 第13-20页 |
| ·基因表达谱数据的数学描述 | 第13页 |
| ·基因表达谱数据集 | 第13-14页 |
| ·基因表达谱数据的预处理 | 第14-15页 |
| ·传统基因表达谱分析方法 | 第15-18页 |
| ·特征提取与选择 | 第15-17页 |
| ·分类与聚类 | 第17-18页 |
| ·基于图论的基因表达谱分析 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 基于改进谱聚类的基因表达谱数据分析 | 第20-26页 |
| ·基因表达谱数据的Laplacian矩阵表示 | 第20页 |
| ·谱聚类 | 第20-21页 |
| ·改进的谱聚类算法 | 第21-23页 |
| ·概率转移矩阵 | 第21页 |
| ·模糊C均值 | 第21-22页 |
| ·算法步骤 | 第22-23页 |
| ·实验结果与分析 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第四章 基于谱隙和单位特征向量的谱聚类算法 | 第26-33页 |
| ·谱隙确定类别个数 | 第26-27页 |
| ·基于单位特征向量的数据类别划分 | 第27页 |
| ·基于谱隙和单位特征向量的谱聚类算法 | 第27-28页 |
| ·实验结果与分析 | 第28-32页 |
| ·模拟数据实验 | 第28-30页 |
| ·癌症数据实验 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第五章 基于Gauss-Seidel迭代的标记传播算法 | 第33-44页 |
| ·引言 | 第33页 |
| ·半监督学习方法概述 | 第33-34页 |
| ·高斯随机场与调和函数 | 第34-36页 |
| ·高斯随机场 | 第34-35页 |
| ·图的Laplacian算子 | 第35页 |
| ·调和函数 | 第35-36页 |
| ·标记传播(LP) | 第36-37页 |
| ·LP算法 | 第36页 |
| ·局部和全局一致性方法 | 第36-37页 |
| ·基于Gauss-Seidel迭代的标记传播算法 | 第37-39页 |
| ·Gauss-Seidel迭代 | 第37页 |
| ·基于Gauss-Seidel迭代的标记传播算法 | 第37-38页 |
| ·收敛性证明 | 第38-39页 |
| ·实验结果与分析 | 第39-43页 |
| ·实验数据 | 第39页 |
| ·白血病数据实验 | 第39-40页 |
| ·结肠癌数据实验 | 第40-42页 |
| ·对比验证 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第六章 总结与展望 | 第44-46页 |
| ·本文总结 | 第44页 |
| ·研究展望 | 第44-46页 |
| 参考文献 | 第46-53页 |
| 致谢 | 第53-54页 |
| 攻读硕士学位期间发表的论文和参加的科研项目 | 第54页 |