基于肿瘤基因表达谱数据的分类算法研究
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第12-20页 |
1.1 研究背景及意义 | 第12-14页 |
1.2 国内外研究现状 | 第14-17页 |
1.3 论文研究内容与结构安排 | 第17-20页 |
1.3.1 主要研究内容 | 第17-18页 |
1.3.2 论文结构安排 | 第18-20页 |
第2章 肿瘤基因表达谱数据及其分类方法 | 第20-34页 |
2.1 基因微阵列芯片技术的简介 | 第20-23页 |
2.1.1 基因微阵列芯片技术简介 | 第20-22页 |
2.1.2 基因表达谱数据的特点 | 第22-23页 |
2.1.3 基因表达谱数据库 | 第23页 |
2.2 肿瘤基因表达谱数据处理方法 | 第23-26页 |
2.2.1 基因表达谱数据的预处理 | 第23-24页 |
2.2.2 基因表达数据特征选择方法 | 第24-26页 |
2.3 肿瘤分类算法 | 第26-32页 |
2.3.1 支持向量机 | 第26-30页 |
2.3.2 K近邻分类器 | 第30-31页 |
2.3.3 概率神经网络 | 第31-32页 |
2.4 小结 | 第32-34页 |
第3章 基于元样本的核稀疏表示分类方法 | 第34-43页 |
3.1 引言 | 第34页 |
3.2 稀疏表示分类器 | 第34-36页 |
3.3 基于元样本的核稀疏表示分类算法的研究 | 第36-38页 |
3.3.1 元样本的相关定义 | 第36-37页 |
3.3.2 MKSRC分类算法 | 第37-38页 |
3.4 实验与分析 | 第38-42页 |
3.4.1 实验数据 | 第38-39页 |
3.4.2 实验结果与分析 | 第39-42页 |
3.5 小结 | 第42-43页 |
第4章 基于核化凸包的协同表示分类方法 | 第43-59页 |
4.1 引言 | 第43页 |
4.2 基于协同表示的分类算法 | 第43-45页 |
4.3 基于核化凸包的协同表示分类算法的研究 | 第45-52页 |
4.3.1 相关定义 | 第46-48页 |
4.3.2 KCHCRC算法 | 第48-52页 |
4.4 实验与分析 | 第52-58页 |
4.4.1 实验数据 | 第52页 |
4.4.2 衡量标准 | 第52页 |
4.4.3 实验结果与分析 | 第52-58页 |
4.5 小结 | 第58-59页 |
结论 | 第59-61页 |
参考文献 | 第61-67页 |
附录A 攻读学位期间所发表的学术论文及所参加项目 | 第67-68页 |
致谢 | 第68页 |