基于监督学习的肿瘤特征基因选择方法研究 |
论文目录 | | | 摘要 | 第1-6页 | | ABSTRACT | 第6-11页 | | 第一章 绪论 | 第11-19页 | | · 研究背景及意义 | 第11-12页 | | · 基因表达谱数据描述 | 第12-13页 | | · 国内外研究现状 | 第13-15页 | | · 论文研究内容与结构安排 | 第15-19页 | | · 主要研究内容 | 第15-16页 | | · 结构安排 | 第16-19页 | | 第二章 肿瘤特征基因表达谱数据挖掘相关理论和方法 | 第19-27页 | | · 监督学习 | 第19-20页 | | · 特征选择 | 第20-21页 | | · 特征基因选择方法 | 第21-22页 | | · 基于过滤法的特征基因选择方法 | 第21-22页 | | · 基于缠绕法的特征基因选择方法 | 第22页 | | · 特征基因选择过程 | 第22-25页 | | · 特征基因子集的搜索策略 | 第23-24页 | | · 特征基因子集的评估标准 | 第24-25页 | | · 本章小结 | 第25-27页 | | 第三章 基于logistic与相关信息熵的特征基因选择算法 | 第27-35页 | | · 引言 | 第27-28页 | | · 基础概念 | 第28-29页 | | · logistic回归模型 | 第28页 | | · 信息熵 | 第28-29页 | | · 基于logistic和相关信息熵的特征基因选择算法 | 第29-31页 | | · 二项logistic回归模型 | 第29页 | | · 相关信息熵 | 第29-30页 | | · 基于logistic和相关信息熵的特征基因选择算法 | 第30-31页 | | · 实验分析 | 第31-34页 | | · 本章小结 | 第34-35页 | | 第四章 基于信噪比与邻域粗糙集的特征基因选择算法 | 第35-45页 | | · 引言 | 第35-36页 | | · 基础知识 | 第36-37页 | | · 信噪比 | 第36页 | | · 邻域决策系统 | 第36-37页 | | · 基于信噪比与邻域粗糙集的特征基因选择算法 | 第37-40页 | | · 信噪比值区间划分 | 第37-38页 | | · 基于信噪比与邻域粗糙集的特征基因选择算法 | 第38-40页 | | · 实验分析 | 第40-44页 | | · 本章小结 | 第44-45页 | | 第五章 基于统计特性的邻域粗糙集肿瘤基因选择算法 | 第45-57页 | | · 引言 | 第45-46页 | | · 相关知识 | 第46-47页 | | · 基因表达谱特征选择模型 | 第46页 | | · 邻域粗糙集 | 第46-47页 | | · 基于统计特性的邻域粗糙集肿瘤基因选择算法 | 第47-52页 | | · 特征基因重要度 | 第47-48页 | | · 构建特征基因相关性度量函数 | 第48-51页 | | · 基于统计特性的邻域粗糙集肿瘤特征选择算法 | 第51-52页 | | · 仿真实验 | 第52-56页 | | · 实验数据与实验环境 | 第52-53页 | | · 实验结果分析 | 第53-56页 | | · 本章小结 | 第56-57页 | | 第六章 结论 | 第57-59页 | | · 工作总结 | 第57-58页 | | · 今后研究构想 | 第58-59页 | | 参考文献 | 第59-65页 | | 致谢 | 第65-67页 | | 攻读学位期间的科研成果 | 第67-68页 |
|
|
|
| |
