基于样本加权的特征基因选择方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 研究现状 | 第12-16页 |
| 1.2.1 基因芯片技术 | 第12-13页 |
| 1.2.2 基因表达谱数据特点 | 第13-14页 |
| 1.2.3 基因表达谱数据分析方法 | 第14-16页 |
| 1.3 本文的研究路线及研究内容 | 第16-17页 |
| 1.4 本文结构安排 | 第17-18页 |
| 第2章 特征基因选择主要研究方法 | 第18-29页 |
| 2.1 引言 | 第18页 |
| 2.2 特征基因选择方法 | 第18-24页 |
| 2.2.1 基于单特征排序的特征选择方法 | 第19-20页 |
| 2.2.2 基于基因相互作用的特征选择方法 | 第20-24页 |
| 2.3 肿瘤亚型分类方法 | 第24-28页 |
| 2.3.1 加权表示法 | 第25页 |
| 2.3.2 人工神经网络 | 第25-27页 |
| 2.3.3 支持向量机 | 第27-28页 |
| 2.4 小结 | 第28-29页 |
| 第3章 基于样本加权的混合基因选择方法 | 第29-39页 |
| 3.1 本方法的总体架构 | 第29-30页 |
| 3.2 一种改进的基于样本间距的样本加权方法 | 第30-32页 |
| 3.3 基于多准则融合的特征基因筛选法 | 第32-35页 |
| 3.4 特征基因精选 | 第35-38页 |
| 3.4.1 蚁群算法基本原理 | 第35-36页 |
| 3.4.2 路径选择及信息素更新机制 | 第36-37页 |
| 3.4.3 一种改进的启发式函数 | 第37页 |
| 3.4.4 蚁群算法伪代码描述 | 第37-38页 |
| 3.5 小结 | 第38-39页 |
| 第4章 仿真实验及结果分析 | 第39-48页 |
| 4.1 仿真平台简介 | 第39-40页 |
| 4.2 数据集及评价指标 | 第40-43页 |
| 4.2.1 数据集 | 第40-42页 |
| 4.2.2 鲁棒性 | 第42页 |
| 4.2.3 分类性能的评估 | 第42-43页 |
| 4.3 实验结果及评价 | 第43-47页 |
| 4.3.1 蚁群算法参数 | 第43-44页 |
| 4.3.2 实验结果分析 | 第44-47页 |
| 4.4 小结 | 第47-48页 |
| 结论 | 第48-50页 |
| 参考文献 | 第50-55页 |
| 致谢 | 第55页 |
