微阵列基因表达数据双聚类的多目标进化计算技术研究
| 摘要 | 第1-13页 |
| Abstract | 第13-16页 |
| 第一章 绪论 | 第16-30页 |
| ·引言 | 第16-17页 |
| ·预备知识及问题陈述 | 第17-19页 |
| ·基本术语 | 第17-18页 |
| ·问题描述 | 第18-19页 |
| ·双聚类研究现状 | 第19-23页 |
| ·基于行或列模式的双聚类计算方法 | 第19页 |
| ·概率聚类 | 第19-20页 |
| ·图论方法双聚类 | 第20-21页 |
| ·基于频繁项集挖掘的双聚类计算方法 | 第21页 |
| ·基于目标优化的双聚类 | 第21-22页 |
| ·基于距离变换的双聚类 | 第22页 |
| ·基于基因调控关系的聚类 | 第22-23页 |
| ·双聚类算法的应用 | 第23-25页 |
| ·生物学应用 | 第23-24页 |
| ·文本聚类 | 第24页 |
| ·协同过滤 | 第24-25页 |
| ·其他应用 | 第25页 |
| ·微阵列数据双聚类的研究意义和面临的挑战 | 第25页 |
| ·论文的主要工作和结构 | 第25-30页 |
| ·论文的主要工作 | 第26-27页 |
| ·论文的组织结构 | 第27-30页 |
| 第二章 多目标优化 | 第30-40页 |
| ·引言 | 第30-32页 |
| ·组合优化 | 第31页 |
| ·连续函数优化 | 第31页 |
| ·形态特征 | 第31-32页 |
| ·多目标优化 | 第32-37页 |
| ·目标和解空间 | 第33页 |
| ·Pareto最优 | 第33-34页 |
| ·支配 | 第34-35页 |
| ·更新个体的∈-Pareto集 | 第35-36页 |
| ·拥挤距离 | 第36-37页 |
| ·求解多目标优化问题 | 第37页 |
| ·多目标优化在生物信息学中应用 | 第37页 |
| ·多目标优化双聚类基础 | 第37-39页 |
| ·双聚类的编码 | 第38页 |
| ·适应度函数 | 第38页 |
| ·实验数据集和数据预处理 | 第38-39页 |
| ·实验环境 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第三章 多目标进化优化多维聚类 | 第40-58页 |
| ·引言 | 第40-42页 |
| ·遗传算法 | 第40-41页 |
| ·多目标进化优化算法 | 第41-42页 |
| ·多目标进化多聚类现状及其框架 | 第42-44页 |
| ·多目标进化双聚类 | 第44-45页 |
| ·基于多目标进化算法的三维聚类 | 第45-53页 |
| ·MOE-TC模型 | 第46-48页 |
| ·多目标3D聚类算法 | 第48-50页 |
| ·实验分析 | 第50-53页 |
| ·基于δ(sigma)选择MOEA的三维聚类算法 | 第53-56页 |
| ·相关概念描述 | 第53-54页 |
| ·MOE-TCII算法 | 第54-55页 |
| ·实验结果 | 第55-56页 |
| ·本章小结 | 第56-58页 |
| 第四章 多目标粒子群优化双聚类 | 第58-80页 |
| ·引言 | 第58-65页 |
| ·基本PSO原理 | 第58-60页 |
| ·离散PSO | 第60-62页 |
| ·PSO算法 | 第62-65页 |
| ·PSO应用 | 第65页 |
| ·多目标粒子群优化算法 | 第65-69页 |
| ·多目标粒子群优化框架 | 第65-66页 |
| ·多目标粒子群算法研究 | 第66-68页 |
| ·MOPSO的应用 | 第68-69页 |
| ·多目标粒子群优化双聚类(MOPSOB)算法 | 第69-73页 |
| ·粒子更新规则 | 第69-70页 |
| ·MOPSOB算法 | 第70页 |
| ·实验结果 | 第70-72页 |
| ·比较分析 | 第72-73页 |
| ·基于拥挤距离和最近邻的MOPSO双聚类算法 | 第73-78页 |
| ·最近邻飞行 | 第73页 |
| ·算法步骤 | 第73-75页 |
| ·实验结果评价 | 第75-77页 |
| ·算法比较分析 | 第77-78页 |
| ·基因聚类的生物学意义分析 | 第78页 |
| ·本章小结 | 第78-80页 |
| 第五章 多目标人工免疫优化双聚类 | 第80-96页 |
| ·免疫系统 | 第80-81页 |
| ·人工免疫系统 | 第81-85页 |
| ·AIS的生物原型 | 第81-82页 |
| ·AIS的仿生机理 | 第82-83页 |
| ·AIS的典型应用 | 第83-85页 |
| ·AIS算法 | 第85-88页 |
| ·一般免疫算法 | 第86-87页 |
| ·阴性选择算法 | 第87页 |
| ·克隆选择算法 | 第87页 |
| ·基本免疫算法 | 第87-88页 |
| ·免疫多目标优化算法 | 第88-89页 |
| ·多目标免疫优化双聚类(MOIOB) | 第89-94页 |
| ·适应度函数 | 第89-90页 |
| ·MOIOB算法框架 | 第90页 |
| ·免疫算子 | 第90-91页 |
| ·实验分析 | 第91-94页 |
| ·本章总结 | 第94-96页 |
| 第六章 多目标蚁群优化双聚类 | 第96-116页 |
| ·引言 | 第96-97页 |
| ·蚁群优化现代启发式框架 | 第97-99页 |
| ·信息素映射 | 第97-98页 |
| ·蚂蚁产生和活动 | 第98页 |
| ·信息素跟踪更新与蒸发 | 第98-99页 |
| ·后台活动 | 第99页 |
| ·解的评估 | 第99页 |
| ·Pareto档案库 | 第99页 |
| ·蚁群优化算法的研究现状 | 第99-105页 |
| ·TSP问题的蚂蚁系统 | 第100页 |
| ·蚁群系统 | 第100-101页 |
| ·MAX-MIN蚂蚁系统 | 第101页 |
| ·基于排名的蚂蚁系统 | 第101-102页 |
| ·基于群体的蚁群优化 | 第102-103页 |
| ·连续域ACO | 第103页 |
| ·小生境蚁群优化 | 第103-105页 |
| ·多目标蚁群优化 | 第105-108页 |
| ·多目标蚁群优化算法框架 | 第106-108页 |
| ·多目标蚁群优化双聚类(MOACOB) | 第108-110页 |
| ·适应度函数 | 第108页 |
| ·多目标蚁群优化双聚类 | 第108-110页 |
| ·实验分析 | 第110页 |
| ·基于拥挤距离的多目标蚁群优化双聚类 | 第110-115页 |
| ·拥挤距离 | 第111页 |
| ·基于群体的多目标蚁群优化(PMOACO)框架 | 第111-112页 |
| ·拥挤多目标蚁群优化双聚类 | 第112页 |
| ·实验分析 | 第112-115页 |
| ·本章小结 | 第115-116页 |
| 第七章 结论与展望 | 第116-120页 |
| ·论文工作总结 | 第116-117页 |
| ·课题研究展望 | 第117-120页 |
| 致谢 | 第120-122页 |
| 参考文献 | 第122-142页 |
| 作者在学期间取得的学术成果 | 第142-144页 |
| 作者在学期间参加的主要科研工作 | 第144页 |
