| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| abstract | 第7页 |
| 1 绪论 | 第13-20页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 基因表达数据分类 | 第14-15页 |
| 1.3 研究现状 | 第15-17页 |
| 1.4 实验环境及数据集 | 第17页 |
| 1.5 创新点 | 第17-18页 |
| 1.6 本文结构安排 | 第18-20页 |
| 2 理论基础 | 第20-30页 |
| 2.1 常见的基因分类方法 | 第20-22页 |
| 2.1.1 K最近邻分类 | 第20页 |
| 2.1.2 支持向量机 | 第20-22页 |
| 2.2 极限学习机 | 第22-25页 |
| 2.2.1 极限学习机的提出 | 第23页 |
| 2.2.2 极限学习机理论 | 第23-25页 |
| 2.2.3 极限学习机优缺点 | 第25页 |
| 2.3 粒子群优化算法 | 第25-29页 |
| 2.3.1 标准粒子群优化算法 | 第26页 |
| 2.3.2 改进的粒子群算法 | 第26-28页 |
| 2.3.3 粒子群优化算法的应用现状 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 基于改进的活跃算子粒子群的核极限学习机算法 | 第30-41页 |
| 3.1 活跃算子粒子群算法 | 第30-31页 |
| 3.2 核极限学习机算法 | 第31-34页 |
| 3.3 APSO-KELM算法 | 第34-36页 |
| 3.3.1 APSO-KELM算法分析 | 第34页 |
| 3.3.2 APSO-KELM算法描述 | 第34-36页 |
| 3.4 实验结果及分析 | 第36-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4 基于Cholesky分解的APSO-KELM的基因表达数据分类 | 第41-47页 |
| 4.1 基于Cholesky分解的APSO-KELM权值求解 | 第41-43页 |
| 4.2 实验结果及分析 | 第43-46页 |
| 4.3 本章小结 | 第46-47页 |
| 5 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47-48页 |
| 5.2 展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 作者简历 | 第53页 |