| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 引言 | 第9-13页 |
| 1.1 课题来源和背景 | 第9-11页 |
| 1.1.1 数据挖掘 | 第9页 |
| 1.1.2 生物信息学 | 第9-10页 |
| 1.1.3 基因表达数据 | 第10-11页 |
| 1.2 课题研究的意义 | 第11页 |
| 1.3 国内外研究现状 | 第11-12页 |
| 1.4 论文结构 | 第12-13页 |
| 第2章 预备知识 | 第13-29页 |
| 2.1 微阵列（基因芯片）简介 | 第13页 |
| 2.2 微阵列数据的预处理 | 第13-17页 |
| 2.2.1 缺失值处理 | 第15页 |
| 2.2.2 对数化处理（Loga rithmetics） | 第15-16页 |
| 2.2.3 标准化 | 第16-17页 |
| 2.2.4 离散化 | 第17页 |
| 2.3 基因表达数据分析方法 | 第17-24页 |
| 2.3.1 判别分析 | 第18-20页 |
| 2.3.2 差异表达分析 | 第20-22页 |
| 2.3.3 主成分分析 | 第22-23页 |
| 2.3.4 基因调控网络分析 | 第23-24页 |
| 2.4 聚类分析方法 | 第24-28页 |
| 2.4.1 Hierarchical clustering（HC分层聚类） | 第27页 |
| 2.4.2 K-means聚类 | 第27-28页 |
| 本章小结 | 第28-29页 |
| 第3章 双聚类分析及合并双向聚类算法 | 第29-51页 |
| 3.1 双聚类算法分析背景 | 第29-30页 |
| 3.2 双聚类及相关定义 | 第30-31页 |
| 3.2.1 双聚类的相关定义及其性质分析 | 第30页 |
| 3.2.2 双聚类的类型 | 第30-31页 |
| 3.3 常见双聚类算法 | 第31-34页 |
| 3.3.1 CC法 | 第31-32页 |
| 3.3.2 FLOC | 第32-33页 |
| 3.3.3 BIMAX算法 | 第33-34页 |
| 3.3.4 SAMBA 算法 | 第34页 |
| 3.4 合并双聚类模型 | 第34-42页 |
| 3.4.1 两个基因的小聚类 | 第34-36页 |
| 3.4.2 合并第一阶段的小聚类 | 第36页 |
| 3.4.3 合并双向聚类算法具体步骤及其说明 | 第36-42页 |
| 3.5 程序设计 | 第42-45页 |
| 3.6 随机数据测试 | 第45-50页 |
| 3.7 讨论 | 第50-51页 |
| 第4章 算法比较及人体脑样本基因表达数据研究结果 | 第51-57页 |
| 4.1 算法比较 | 第51-54页 |
| 4.2 人体脑样本基因表达数据的分析结果 | 第54-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62页 |