首页--生物科学论文--分子生物学论文--分子遗传学论文

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

论文共53页,点击 下载论文
上一篇:不同品种小麦化感物质在土壤中的滞留、迁移及其活性变化研究
下一篇:蝎蛉科昆虫染色体核型与细胞分类学研究