首页--医药、卫生论文--肿瘤学论文--一般性问题论文--肿瘤诊断学论文

基于加权非负矩阵分解的肿瘤基因表达数据聚类研究

摘要第5-6页
Abstract第6页
第1章 绪论第12-17页
    1.1 研究背景及意义第12-13页
    1.2 国内外研究现状第13-14页
    1.3 本文主要工作第14-15页
    1.4 本文组织结构第15-17页
第2章 相关理论知识第17-29页
    2.1 基因表达数据第17-20页
        2.1.1 基因表达数据的获取第17-18页
        2.1.2 基因表达谱数据预处理第18-19页
        2.1.3 基因表达数据的特点第19-20页
    2.2 基因表达数据的特征选择第20-24页
        2.2.1 特征选择的基本概念第20-21页
        2.2.2 特征选择的典型方法第21-23页
        2.2.3 无监督学习的特征选择第23-24页
    2.3 聚类方法第24-28页
        2.3.1 基因表达谱聚类分析第24-25页
        2.3.2 常见的聚类方法第25-26页
        2.3.3 聚类结果的可视化第26-28页
    2.4 小结第28-29页
第3章 基于非负矩阵分解的聚类算法第29-51页
    3.1 引言第29页
    3.2 由ICA与MAD结合的特征选择方法第29-33页
        3.2.1 独立成分分析方法第29-30页
        3.2.2 FastICA算法第30-31页
        3.2.3 基因表达数据的ICA模型第31-32页
        3.2.4 基于ICA-MAD的基因排序方法第32-33页
    3.3 非负矩阵分解算法第33-38页
        3.3.1 问题描述第33-34页
        3.3.2 模型求解第34-36页
        3.3.3 算法伪代码第36页
        3.3.4 NMF模型在基因表达数据聚类中的解释第36-38页
    3.4 NMF聚类优化算法的研究第38-43页
        3.4.1 稀疏非负矩阵分解第38-40页
        3.4.2 加权非负矩阵分解第40-43页
    3.5 实验结果及分析第43-50页
        3.5.1 数据集第43页
        3.5.2 模型选择及参数设置第43-44页
        3.5.3 白血病数据集实验结果及分析第44-49页
        3.5.4 中枢神经系统肿瘤数据集实验结果及分析第49-50页
    3.6 小结第50-51页
第4章 基于加权非负矩阵三因子分解的双聚类第51-60页
    4.1 引言第51页
    4.2 双聚类算法概论第51-52页
    4.3 基因表达数据的双聚类分析第52-53页
    4.4 基于加权非负矩阵分解的双聚类算法第53-56页
        4.4.1 目标函数第53-54页
        4.4.2 优化过程第54-55页
        4.4.3 SNMTF算法伪代码第55-56页
    4.5 实验结果及分析第56-58页
        4.5.1 模型选择及参数设置第56页
        4.5.2 BRCA数据集的实验结果及分析第56-58页
    4.6 小结第58-60页
结论第60-62页
参考文献第62-66页
附录A 攻读学位期间所发表的学术论文及所参加项目第66-67页
致谢第67页

论文共67页,点击 下载论文
上一篇:基于CTA数据的颈动脉可视化技术研究
下一篇:基于基因表达谱数据的肿瘤分类算法研究