基因表达数据挖掘方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究目的与意义 | 第10-11页 |
| ·国内外研究现状与进展 | 第11-13页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12-13页 |
| ·基因表达数据概述 | 第13-15页 |
| ·什么是基因表达数据 | 第13-14页 |
| ·基因表达数据矩阵 | 第14页 |
| ·基因表达数据分析与处理 | 第14-15页 |
| ·实验数据集 | 第15页 |
| ·研究内容与技术路线 | 第15-16页 |
| ·研究内容 | 第15-16页 |
| ·研究技术路线 | 第16页 |
| ·论文组织 | 第16-18页 |
| 第二章 基于基因表达数据分类的方法 | 第18-31页 |
| ·引言 | 第18页 |
| ·统计学习理论 | 第18-21页 |
| ·学习过程的一致性 | 第19-20页 |
| ·VC 维 | 第20页 |
| ·推广性的界 | 第20-21页 |
| ·结构风险最小化 | 第21页 |
| ·支持向量机分类算法 | 第21-26页 |
| ·最优分类超平面 | 第21-23页 |
| ·线性支持向量机 | 第23页 |
| ·非线性支持向量机 | 第23-25页 |
| ·常用核函数 | 第25-26页 |
| ·常用分类方法 | 第26-27页 |
| ·k 最近邻居法 | 第26页 |
| ·决策树分类器 | 第26页 |
| ·贝叶斯分类器 | 第26-27页 |
| ·神经网络分类器 | 第27页 |
| ·分类器性能评价 | 第27-28页 |
| ·独立测试法 | 第27-28页 |
| ·k-折交叉验证 | 第28页 |
| ·分类器分类效果比较 | 第28-29页 |
| ·实验平台 | 第28-29页 |
| ·实验结果分析 | 第29页 |
| ·本章小结 | 第29-31页 |
| 第三章 基因表达数据特征基因选择 | 第31-37页 |
| ·引言 | 第31页 |
| ·特征选择的概念 | 第31-32页 |
| ·特征选择方法 | 第32-33页 |
| ·特征选择的过程 | 第33页 |
| ·特征选择算法 | 第33-36页 |
| ·信噪比 | 第33-34页 |
| ·t 统计 | 第34页 |
| ·χ~2 统计 | 第34-35页 |
| ·信息增益 | 第35页 |
| ·SVM 法线算法 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 实验结果与分析 | 第37-46页 |
| ·实验样本来源 | 第37页 |
| ·实验方法 | 第37-38页 |
| ·结果与分析 | 第38-45页 |
| ·独立测试 | 第38-42页 |
| ·10-折交叉验证 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 结论与展望 | 第46-48页 |
| ·结论 | 第46页 |
| ·展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52-53页 |
| 作者简介 | 第53页 |
