| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题背景及研究意义 | 第11-14页 |
| 1.1.1 课题研究背景 | 第11-12页 |
| 1.1.2 课题研究意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 基于基因组数据的癌症的研究现状 | 第14-15页 |
| 1.2.2 结直肠癌分类的研究现状 | 第15-16页 |
| 1.2.3 多模态癌症分类的研究现状 | 第16页 |
| 1.3 本文内容及章节安排 | 第16-19页 |
| 第2章 用于方法验证的数据集和分类器的设计 | 第19-33页 |
| 2.1 实验数据集 | 第19-24页 |
| 2.1.1 数据集来源：数据库 | 第19-21页 |
| 2.1.2 实验数据的预处理 | 第21-24页 |
| 2.2 分类器的设计及Wilcoxon秩和检验 | 第24-32页 |
| 2.2.1 K近邻分类器（KNN） | 第25页 |
| 2.2.2 支持向量机（SVM） | 第25-28页 |
| 2.2.3 随机森林（RF） | 第28-30页 |
| 2.2.4 线性判别分析（LDA） | 第30-31页 |
| 2.2.5 Wilcoxon秩和检验 | 第31-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第3章 基于改进的CCA对结直肠癌的多模态分子学子型的分类 | 第33-53页 |
| 3.1 改进的完全典型相关性分析算法 | 第33-38页 |
| 3.1.1 耦合度量学习 | 第33页 |
| 3.1.2 典型相关性分析的现状及算法介绍 | 第33-35页 |
| 3.1.3 完全的典型相关性分析（C3A） | 第35-38页 |
| 3.2 特征融合概述 | 第38-39页 |
| 3.3 实验及结果分析 | 第39-50页 |
| 3.3.1 实验流程 | 第39-41页 |
| 3.3.2 预处理相关参数的确定 | 第41-43页 |
| 3.3.3 不同特征融合方法的比较 | 第43-46页 |
| 3.3.4 不同训练样本数目的比较 | 第46-49页 |
| 3.3.5 多模态数据和单模态数据的分类比较 | 第49-50页 |
| 3.4 本章小结 | 第50-53页 |
| 第4章 基于改进的CCA对结直肠癌数据聚类结果的多模态分类研究 | 第53-73页 |
| 4.1 聚类方法 | 第53-58页 |
| 4.1.1 K-means聚类 | 第54-56页 |
| 4.1.2 凝聚层次聚类 | 第56-58页 |
| 4.2 聚类评价指标 | 第58-62页 |
| 4.2.1 一致性矩阵（Consensus Matrix） | 第59-60页 |
| 4.2.2 一致性分布（Consensus distribution） | 第60-62页 |
| 4.3 聚类结果优化 | 第62-64页 |
| 4.3.1 显著性分析（SAM） | 第62-63页 |
| 4.3.2 轮廓宽度分析方法（Silhouette width） | 第63-64页 |
| 4.4 实验及结果分析 | 第64-70页 |
| 4.4.1 聚类结果的比较与优化 | 第64-68页 |
| 4.4.2 聚类结果的优化 | 第68-69页 |
| 4.4.3 多模态分类实验 | 第69-70页 |
| 4.5 本章小结 | 第70-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 攻读硕士期间发表的论文和取得的科研成果 | 第81-83页 |
| 致谢 | 第83页 |
