首页--医药、卫生论文--肿瘤学论文--一般性问题论文--肿瘤诊断学论文

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

论文共68页,点击 下载论文
上一篇:百度指数在我国H7N9与登革热疫情分析上的应用研究
下一篇:基于超声图像的肌肉厚度自动测量方法