声明
摘要
第一章 绪论
1.1 基因微阵列简介
1.1.1 基因微阵列技术
1.1.2 基因微阵列数据
1.2 研究背景综述
1.2.1 基于纠错输出编码的微阵列研究现状
1.2.2 基于遗传规划的微阵列研究现状
1.3 论文主要工作
1.3.1 论文主要创新
1.3.2 论文结构
第二章 相关理论综述
2.1 监督式学习概述
2.1.1 经验风险最小化
2.1.2 结构风险最小化
2.1.3 监督式学习的应用领域
2.2 集成学习
2.2.1 集成学习简介
2.2.2 差异度问题
2.3 特征选择算法
2.3.1 t-test方法
2.3.2 Laplacian Score方法
2.3.3 Symmetrical Uncertainty方法
2.4 纠错输出编码算法
2.4.1 编码矩阵算法
2.4.2 解码函数
2.4.3 二分类学习器
2.5 遗传规划概述
2.5.1 种群的初始化
2.5.2 交叉与变异操作
2.6 分类算法性能的评估方法
2.6.1 分类器性能度量指标
2.6.2 随机抽样划分方法
2.7 本章小结
第三章 基于纠错输出编码的集成多分类学习算法
3.1 Ensemble ECOC算法
3.1.1 Ensemble ECOC算法伪代码
3.1.2 特征选择算法
3.1.3 MLD/MGD算法示例
3.2 实验与分析
3.2.1 实验设定
3.2.2 多分类实验结果
3.2.3 特征选择结果
3.2.4 集成规模研究
3.2.5文献结果对比
3.3 非参数统计分析
3.3.1 Nemenyi Test方法
3.3.2 Kappa测度
3.4 本章小结
第四章 基于遗传规划的多类基因微阵列数据分析
4.1 集成遗传规划分类器
4.1.1 个体的生成
4.1.2 适应度函数
4.2 实验结果与分析
4.2.1 实验设定
4.2.2 实验结果与分析
4.3 本章小结
第五章 总结与展望
5.1 本文的主要工作
5.2 研究展望
参考文献
攻读硕士期间的研究成果
致谢
厦门大学;