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 |