面向微阵列数据的缺失值估计方法研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9页 |
| 第1章 绪论 | 第14-23页 |
| 1.1 课题背景及研究目的和意义 | 第14-15页 |
| 1.1.1 课题背景 | 第14页 |
| 1.1.2 研究目的和意义 | 第14-15页 |
| 1.2 微阵列技术原理 | 第15-18页 |
| 1.3 微阵列数据预处理 | 第18-19页 |
| 1.3.1 对数化 | 第18页 |
| 1.3.2 数据过滤 | 第18页 |
| 1.3.3 归一化 | 第18-19页 |
| 1.4 国内外发展概况 | 第19-21页 |
| 1.4.1 缺失值估计方法的研究现状 | 第19-20页 |
| 1.4.2 缺失值估计方法的评价指标研究现状 | 第20-21页 |
| 1.5 本课题的主要研究内容及安排 | 第21-23页 |
| 第2章 微阵列数据缺失值估计方法 | 第23-35页 |
| 2.1 基于微阵列数据集全局结构的缺失值估计方法 | 第23-26页 |
| 2.1.1 奇异值分解法 | 第23-24页 |
| 2.1.2 贝叶斯主成分分析法 | 第24-26页 |
| 2.2 基于微阵列数据集局部结构的缺失值估计方法 | 第26-30页 |
| 2.2.1 最近邻法 | 第26-27页 |
| 2.2.2 连续最近邻法 | 第27页 |
| 2.2.3 迭代最近邻法 | 第27-28页 |
| 2.2.4 局部最小二乘法 | 第28-29页 |
| 2.2.5 连续局部最小二乘法 | 第29页 |
| 2.2.6 迭代局部最小二乘法 | 第29-30页 |
| 2.2.7 收缩局部最小二乘法 | 第30页 |
| 2.3 本文提出的一种新的缺失值估计方法 | 第30-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 实验数据与实验环境介绍 | 第35-42页 |
| 3.1 微阵列数据集 | 第35-36页 |
| 3.2 微阵列数据缺失值的缺失模式 | 第36-37页 |
| 3.3 缺失值估计方法效果的评价指标 | 第37-41页 |
| 3.3.1 基于统计方法的评价指标 | 第37-38页 |
| 3.3.2 基于生物学知识的评价指标 | 第38-41页 |
| 3.4 实验设置 | 第41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 实验结果与分析 | 第42-58页 |
| 4.1 均方根误差比较 | 第42-46页 |
| 4.2 样本结构保持度比较 | 第46-48页 |
| 4.3 类结构保持度比较 | 第48-50页 |
| 4.4 差异表达基因一致性比较 | 第50-52页 |
| 4.5 GL2P对近邻基因个数的敏感性分析 | 第52-56页 |
| 4.6 本章小结 | 第56-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第64-66页 |
