基于模式识别方法的基因表达数据分析研究
摘要 | 第1-7页 |
Abstract | 第7-13页 |
第1章 绪论 | 第13-21页 |
·研究背景及意义 | 第13-14页 |
·DNA 微阵列技术 | 第14-16页 |
·DNA 微阵列的发展 | 第14-15页 |
·DNA 微阵列的应用 | 第15-16页 |
·研究现状 | 第16-18页 |
·基因聚类研究现状 | 第16-17页 |
·基因分类研究现状 | 第17-18页 |
·论文的主要研究内容 | 第18-19页 |
·论文结构 | 第19-21页 |
第2章 基因表达数据分析方法 | 第21-40页 |
·基因表达数据 | 第21-26页 |
·基因表达矩阵 | 第21-23页 |
·基因表达数据特点 | 第23-25页 |
·基因表达数据分析 | 第25-26页 |
·基因表达数据聚类 | 第26-33页 |
·基因聚类定义及类别划分标准 | 第26-28页 |
·基因聚类常用算法 | 第28-31页 |
·聚类结果评价 | 第31-33页 |
·基因表达数据分类 | 第33-39页 |
·基因分类常用算法 | 第33-39页 |
·分类结果评价 | 第39页 |
·本章小结 | 第39-40页 |
第3章 基因表达数据的聚类方法研究 | 第40-63页 |
·引言 | 第40-41页 |
·自组织映射神经网络 | 第41-43页 |
·有效性函数 | 第41-42页 |
·神经元初始结构 | 第42-43页 |
·神经元分布密度 | 第43页 |
·基于特征权重的基因无监督聚类方法 | 第43-51页 |
·存在的问题 | 第43-45页 |
·特征在类别内的分布 | 第45-46页 |
·特征在类别间的分布 | 第46页 |
·特征权值量化在 SOM 聚类中的应用 | 第46-47页 |
·实验结果与分析 | 第47-51页 |
·基于限制数据的基因半监督聚类方法 | 第51-62页 |
·存在的问题 | 第51-52页 |
·半监督聚类 | 第52-53页 |
·一致限制数据的处理 | 第53-54页 |
·非限制数据的处理 | 第54-55页 |
·限制数据不均匀分布的处理 | 第55-56页 |
·不一致数据的处理 | 第56-58页 |
·实验结果与分析 | 第58-62页 |
·本章小结 | 第62-63页 |
第4章 基因表达数据的聚类反馈技术研究 | 第63-84页 |
·引言 | 第63-64页 |
·神经元结构初始化 | 第64-69页 |
·聚点信息及类别数 | 第64-65页 |
·构造类别中心 | 第65-66页 |
·初始化神经元结构 | 第66-69页 |
·迭代调整 | 第69页 |
·聚类中的反馈技术 | 第69-78页 |
·反馈数据选择 | 第70-72页 |
·动态聚类 | 第72-73页 |
·SOM 聚类算法分析 | 第73-75页 |
·拓扑结构可变的聚类方法 | 第75-78页 |
·实验结果与分析 | 第78-83页 |
·本章小结 | 第83-84页 |
第5章 基因表达数据的集成分类方法研究 | 第84-99页 |
·引言 | 第84-85页 |
·肿瘤亚型识别集成分类方法 | 第85-87页 |
·集成分类有效的原因与前提 | 第85-86页 |
·同分类器集成与异分类器集成 | 第86页 |
·集成分类结果的整合 | 第86-87页 |
·集成分类的典型方法 | 第87页 |
·BP 神经网络集成分类算法 | 第87-93页 |
·算法模型 | 第88页 |
·候选特征子集 | 第88-89页 |
·基于灵敏度分析的 BP 神经网络 | 第89-90页 |
·基于 PSO 的基分类器算法 | 第90-91页 |
·实验结果与分析 | 第91-93页 |
·多分类器集成分类算法 | 第93-97页 |
·特征基因提取 | 第93-94页 |
·基分类器 | 第94-95页 |
·集成分类器 EC-BSBK | 第95-96页 |
·实验结果与分析 | 第96-97页 |
·本章小结 | 第97-99页 |
结论 | 第99-101页 |
参考文献 | 第101-113页 |
攻读博士学位期间发表的论文 | 第113-114页 |
致谢 | 第114-115页 |
个人简历 | 第115页 |
学习简历 | 第115页 |
工作简历 | 第115页 |