基因表达谱数据聚类算法的研究
| 摘要 | 第1-3页 |
| Abstract | 第3-9页 |
| 第1章 绪论 | 第9-14页 |
| ·生物信息学 | 第9-11页 |
| ·微阵列数据的处理 | 第11-12页 |
| ·主要研究内容 | 第12页 |
| ·论文结构安排 | 第12-14页 |
| 第2章 基因表达数据分析概述 | 第14-21页 |
| ·基因表达数据 | 第14-16页 |
| ·基因表达数据的获取 | 第14-15页 |
| ·基因表达数据的表示 | 第15页 |
| ·基因表达数据的预处理 | 第15-16页 |
| ·特征基因选择方法和提取方法 | 第16-19页 |
| ·特征基因选择方法 | 第16-18页 |
| ·特征基因提取方法 | 第18-19页 |
| ·基因表达数据的分析法 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 基因表达数据的聚类方法概述 | 第21-28页 |
| ·聚类分析 | 第21-22页 |
| ·相似性度量 | 第22-24页 |
| ·聚类准则 | 第24-25页 |
| ·聚类算法研究 | 第25-27页 |
| ·基于划分的聚类方法 | 第25-26页 |
| ·基于层次的聚类方法 | 第26-27页 |
| ·基于密度的聚类方法 | 第27页 |
| ·基于网格的聚类方法 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第4章 基于粒子群算法的基因聚类分析 | 第28-41页 |
| ·粒子群优化算法的发展 | 第28-29页 |
| ·粒子群优化算法 | 第29-32页 |
| ·算法概述 | 第29页 |
| ·粒子群算法原理 | 第29-30页 |
| ·粒子群算法特点 | 第30-31页 |
| ·粒子群算法流程 | 第31-32页 |
| ·改进的算法 | 第32-33页 |
| ·带惯性权重因子的粒子群算法 | 第32-33页 |
| ·带收缩因子的粒子群算法 | 第33页 |
| ·改进粒子群算法的基因聚类分析 | 第33-38页 |
| ·改进粒子群算法 | 第33-34页 |
| ·算法实验验证 | 第34-36页 |
| ·权重对算法性能的影响 | 第34-35页 |
| ·时变部分区间变化对优化效果的影响 | 第35-36页 |
| ·粒子对算法在基因聚类中的应用 | 第36-38页 |
| ·粒子结构 | 第36-37页 |
| ·粒子对算法的聚类分析 | 第37-38页 |
| ·实验验证 | 第38-39页 |
| ·实验数据集 | 第38页 |
| ·实验操作环境 | 第38-39页 |
| ·实验结果 | 第39页 |
| ·本章小结 | 第39-41页 |
| 第5章 基于遗传算法的 K-means 聚类 | 第41-57页 |
| ·遗传算法概述 | 第41-48页 |
| ·遗传算法的发展 | 第41页 |
| ·遗传算法的特点 | 第41-42页 |
| ·遗传算法构成要素 | 第42-46页 |
| ·遗传算法的流程 | 第46-47页 |
| ·遗传算法的应用 | 第47-48页 |
| ·改进的 K-means 聚类 | 第48-51页 |
| ·编码及初始化种群 | 第48页 |
| ·适应度函数 | 第48-49页 |
| ·设计选择算子 | 第49页 |
| ·设计交叉算子 | 第49-50页 |
| ·设计变异算子 | 第50-51页 |
| ·改进算法的流程 | 第51页 |
| ·实验验证 | 第51-55页 |
| ·本章小结 | 第55-57页 |
| 总结与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的学术论文 | 第63-64页 |
| 致谢 | 第64页 |
