微阵列基因表达数据的特征分析方法研究
致谢 | 第9-10页 |
摘要 | 第10-12页 |
ABSTRACT | 第12-13页 |
第一章 绪论 | 第19-40页 |
1.1 微阵列数据及其特性 | 第19-25页 |
1.1.1 微阵列技术 | 第20-22页 |
1.1.2 微阵列数据描述 | 第22-25页 |
1.2 特征选择技术 | 第25-38页 |
1.2.1 特征选择概念 | 第25-28页 |
1.2.2 特征选择框架 | 第28-29页 |
1.2.3 特征选择方法概述 | 第29-38页 |
1.3 课题来源与主要研究内容 | 第38-40页 |
1.3.1 课题来源 | 第38页 |
1.3.2 主要研究内容 | 第38-40页 |
第二章 K近邻加速的基于封装的特征选择算法 | 第40-63页 |
2.1 引言 | 第40页 |
2.2 K近邻分类器 | 第40-42页 |
2.3 K近邻的基于封装的特征选择方法 | 第42-47页 |
2.3.1 K近邻序列前向选择算法 | 第43-44页 |
2.3.2 K近邻基于递增封装的特征选择算法 | 第44-46页 |
2.3.3 候选特征的选入指标 | 第46-47页 |
2.4 K近邻的基于封装的特征选择算法的有效性 | 第47-52页 |
2.4.1 实验数据与实验环境 | 第47-49页 |
2.4.2 实验结果与分析 | 第49-52页 |
2.5 K近邻加速的基于封装的特征选择算法 | 第52-62页 |
2.5.1 符号和定义 | 第53-54页 |
2.5.2 算法描述 | 第54-56页 |
2.5.3 实验结果与分析 | 第56-58页 |
2.5.4 时间复杂度分析 | 第58-61页 |
2.5.5 空间复杂度分析 | 第61-62页 |
2.6 本章小结 | 第62-63页 |
第三章 马尔科夫毯嵌入式的基于封装的特征选择算法 | 第63-84页 |
3.1 引言 | 第63页 |
3.2 基于封装的特征选择方法 | 第63-65页 |
3.2.1 序列前向选择算法 | 第63页 |
3.2.2 基于递增封装的特征选择框架 | 第63-64页 |
3.2.3 基于信息熵的特征排序 | 第64-65页 |
3.2.4 基于递增封装的特征选择算法 | 第65页 |
3.3 马尔科夫毯嵌入式的基于封装的特征选择算法 | 第65-69页 |
3.3.1 马尔科夫毯 | 第66-67页 |
3.3.2 算法描述 | 第67-69页 |
3.4 实验结果与分析 | 第69-83页 |
3.4.1 基于封装的序列前向选择算法实验结果 | 第70-76页 |
3.4.2 基于递增封装的特征选择算法实验结果 | 第76-83页 |
3.5 本章小结 | 第83-84页 |
第四章 改进的基于偏最小二乘法的递归特征消去算法 | 第84-101页 |
4.1 引言 | 第84-85页 |
4.2 偏最小二乘法 | 第85-87页 |
4.2.1 基于偏最小二乘法的特征提取 | 第85-86页 |
4.2.2 基于偏最小二乘法的递归特征消去 | 第86-87页 |
4.3 改进的基于偏最小二乘法的递归特征消去算法 | 第87-90页 |
4.3.1 算法描述 | 第88-89页 |
4.3.2 算法的评价指标 | 第89-90页 |
4.4 实验结果与分析 | 第90-100页 |
4.4.1 实验数据和实验设置 | 第90-91页 |
4.4.2 选择的特征个数和分类准确率的实验比较 | 第91-96页 |
4.4.3 对比算法运行时间 | 第96-98页 |
4.4.4 对比特征子集一致性 | 第98-100页 |
4.5 本章小结 | 第100-101页 |
第五章 一种混合的特征选择算法mRMR-HS | 第101-113页 |
5.1 引言 | 第101页 |
5.2 最小冗余最大相关特征选择算法 | 第101-102页 |
5.3 和声搜索算法 | 第102-105页 |
5.4 mRMR-HS特征选择算法 | 第105-106页 |
5.5 实验结果和分析 | 第106-112页 |
5.5.1 实验数据和实验设置 | 第106-108页 |
5.5.2 实验结果 | 第108-112页 |
5.6 本章小结 | 第112-113页 |
第六章 结束语 | 第113-117页 |
6.1 主要研究工作 | 第113-114页 |
6.2 下一步研究工作 | 第114-117页 |
参考文献 | 第117-126页 |
攻读博士学位期间的学术活动及成果情况 | 第126-127页 |