第一个书签之前
学位论文原创性声明
摘 要
Abstract
目 录
插图索引
附表索引
第1章 绪 论
1.1研究背景与意义
1.2 DNA微阵列技术
1.2.1 DNA微阵列技术原理
1.2.2 基因表达数据特点
1.3 国内外研究现状
1.3.1 数据集的选择
1.3.2 数据预处理
1.3.3 分类器的设计
1.3.4 特征选择
1.4研究内容
1.5章节安排
第2章 癌症分类问题概述
2.1特征选择
2.1.1特征选择的定义
2.1.2特征选择的方法及分类
2.2信息增益与互信息
2.2.1信息增益
2.2.2互信息
2.3最近邻算法
2.4支持向量机
2.4.1理论基础
2.4.2基本原理
2.4.3核函数
2.5集成方法
2.5.1随机森林
2.5.2 Adaboost
2.6贝叶斯分类器
2.6.1极大似然估计
2.6.2朴素贝叶斯分类器
2.6.3半朴素贝叶斯分类器
2.7本章小结
第3章 数据预处理和特征基因选择
3.1数据预处理
3.2特征基因选择方法
3.2.1信息熵
3.2.2信息增益
3.3冗余基因剔除方法
3.3.1互信息
3.4 LSSVM预测模型
3.5 本章小结
第4章 互信息去冗余与多种模型结合的分类模型构建
4.1预测方法框架
4.2数据预处理
4.3特征基因选择
4.4冗余基因去除
4.5分类模型的构建
4.5.1最近邻算法
4.5.2支持向量机
4.6本章小结
第5章 实验研究与优化
5.1实验
5.1.1 Anaconda介绍
5.1.2 实验环境
5.2实验概况
5.2.1数据集介绍
5.2.2 模型参数设置
5.2.3 分类性能评价指标
5.3案例1：不同特征选择方法与LSSVM组合实验
5.4案例2：不同特征选择方法与多种分类器结合对比实验
5.5案例3：TCGA数据集对比实验
5.6案例4：与以往研究对比实验
5.7 本章小结
结 论
参考文献
附录A攻读学位期间所发表的学术论文
附录B 攻读学位期间参与的科研项目
致 谢
湖南大学;
