基于BP神经网络的肿瘤数据分类方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 特征选择的研究现状 | 第10-12页 |
| 1.2.2 BPNN的研究现状 | 第12-13页 |
| 1.3 本文主要研究工作和创新点 | 第13页 |
| 1.4 本文结构安排 | 第13-15页 |
| 2 知识准备和相关工作 | 第15-23页 |
| 2.1 肿瘤基因数据集 | 第15-16页 |
| 2.2 特征选择方法 | 第16-18页 |
| 2.2.1 Filter式的特征选择 | 第16-17页 |
| 2.2.2 Wrapper式的特征选择 | 第17-18页 |
| 2.2.3 Embedding式的特征选择 | 第18页 |
| 2.3 粗糙集的相关知识 | 第18-19页 |
| 2.4 BPNN算法 | 第19-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 基于随机森林和邻域粗糙集的特征选择方法 | 第23-33页 |
| 3.1 Relief和Relief-F的预处理 | 第23-26页 |
| 3.2 基于随机森林的后向搜索方法 | 第26-27页 |
| 3.3 基于邻域粗糙集的前向搜索算法 | 第27-29页 |
| 3.4 基于随机森林和邻域粗糙集的特征选择方法 | 第29-31页 |
| 3.5 时间复杂度分析 | 第31-32页 |
| 3.6 本章小结 | 第32-33页 |
| 4 基于MEA优化的BPNN分类方法 | 第33-40页 |
| 4.1 思维进化算法 | 第33-36页 |
| 4.1.1 思维进化算法的理论概述 | 第33-35页 |
| 4.1.2 思维进化算法的进化过程 | 第35-36页 |
| 4.2 MEA-BPNN模型的建立 | 第36-39页 |
| 4.2.1 优化模型的设计分析 | 第36-38页 |
| 4.2.2 MEA-BP算法的步骤 | 第38-39页 |
| 4.3 本章小结 | 第39-40页 |
| 5 实验结果与分析 | 第40-49页 |
| 5.1 实验数据与平台 | 第40-42页 |
| 5.2 实验结果与分析 | 第42-48页 |
| 5.2.1 随机森林和邻域粗糙集特征选择方法验证 | 第42-46页 |
| 5.2.2 MEA优化BPNN算法验证 | 第46-48页 |
| 5.3 本章小结 | 第48-49页 |
| 6 工作总结及展望 | 第49-51页 |
| 6.1 工作总结 | 第49页 |
| 6.2 工作展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 攻读学位期间的研究成果 | 第54页 |
