支持向量机在基因表达数据分类中的研究
| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·问题的提出及研究意义 | 第9-10页 |
| ·研究背景与现状 | 第10-14页 |
| ·基因微阵列表达数据的研究现状 | 第10-11页 |
| ·支持向量机的研究现状 | 第11-13页 |
| ·支持向量机在基因表达数据中的应用现状 | 第13-14页 |
| ·本文研究内容和结构 | 第14-15页 |
| 第2章 基因微阵列表达数据 | 第15-20页 |
| ·生物信息学 | 第15-17页 |
| ·基因芯片技术 | 第17-18页 |
| ·微阵列基因表达数据 | 第18-20页 |
| 第3章 支持向量机理论 | 第20-36页 |
| ·引言 | 第20-21页 |
| ·统计学习理论 | 第21-27页 |
| ·期望风险和经验风险 | 第21-23页 |
| ·推广性的界 | 第23-24页 |
| ·VC维 | 第24-25页 |
| ·结构风险最小化 | 第25-27页 |
| ·支持向量机 | 第27-31页 |
| ·线性支持向量机 | 第28-30页 |
| ·非线性支持向量机 | 第30-31页 |
| ·支持向量机分类算法 | 第31-36页 |
| ·分块算法 | 第31-32页 |
| ·分解算法 | 第32-33页 |
| ·序列最小优化算法 | 第33-36页 |
| 第4章 基因表达数据特征选择 | 第36-41页 |
| ·引言 | 第36页 |
| ·特征选择的种类 | 第36-37页 |
| ·特征选择过程 | 第37-38页 |
| ·特征选择算法 | 第38-41页 |
| ·SZN算法 | 第38页 |
| ·RFE算法 | 第38-39页 |
| ·ALMA算法 | 第39-41页 |
| 第5章 基因表达数据分类 | 第41-50页 |
| ·问题的提出 | 第41页 |
| ·分类器模型 | 第41-42页 |
| ·实验数据与来源 | 第42-43页 |
| ·基因表达数据特征提取 | 第43-45页 |
| ·特征基因的相关性 | 第43-44页 |
| ·算法描述 | 第44-45页 |
| ·对SMO算法的改进 | 第45-47页 |
| ·实验结果与分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第6章 总结及展望 | 第50-53页 |
| 参考文献 | 第53-58页 |
| 硕士在学期间发表的论文及专业书籍 | 第58-59页 |
| 致谢 | 第59页 |
