基于压缩感知算法的基因表达数据分类的研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-11页 |
| 1 绪论 | 第11-16页 |
| ·课题背景及研究意义 | 第11-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·论文的组织结构 | 第15-16页 |
| 2 基因表达谱数据 | 第16-26页 |
| ·DNA微阵列技术 | 第17-19页 |
| ·cDNA微阵列 | 第17-18页 |
| ·寡核苷酸芯片 | 第18-19页 |
| ·基因表达谱数据的特点 | 第19-21页 |
| ·基因表达谱数据的分析和预处理 | 第21-24页 |
| ·数据清洗 | 第21-22页 |
| ·缺失数据处理 | 第22-23页 |
| ·数据标准化 | 第23-24页 |
| ·基因表达数据在肿瘤诊断中的应用 | 第24-25页 |
| ·小结 | 第25-26页 |
| 3 常见的基因表达数据分类算法 | 第26-33页 |
| ·支持向量机 | 第27-29页 |
| ·朴素贝叶斯分类 | 第29-30页 |
| ·K最近邻分类 | 第30-31页 |
| ·人工神经网络 | 第31-32页 |
| ·小结 | 第32-33页 |
| 4 压缩感知算法 | 第33-38页 |
| ·压缩感知算法简介 | 第34-35页 |
| ·传感矩阵的构造 | 第35页 |
| ·压缩感知重建算法 | 第35-37页 |
| ·小结 | 第37-38页 |
| 5 基于压缩感知算法的基因表达数据分类 | 第38-45页 |
| ·实验数据的获取 | 第38-39页 |
| ·数据预处理 | 第39页 |
| ·构造冗余字典和传感矩阵 | 第39-41页 |
| ·基因表达数据的稀疏表示 | 第41页 |
| ·信号稀疏重建和样本类别判断 | 第41-42页 |
| ·分类结果分析 | 第42-43页 |
| ·压缩感知算法对于基因表达数据分类的几何解释 | 第43-44页 |
| ·压缩感知算法应用于模式分类的特点 | 第44页 |
| ·小结 | 第44-45页 |
| 6 总结和展望 | 第45-47页 |
| ·总结 | 第45-46页 |
| ·今后的工作研究与展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 作者简历 | 第51-53页 |
| 学位论文数据集 | 第53页 |
