声明
第1章 绪 论
1.1 课题的研究背景及意义
1.2 国内外研究现状
1.2.1 数据集的选取
1.2.2 特征选择层面
1.2.3 癌症分类模型层面
1.3 研究内容
1.4 论文结构
第2章 融合数据集构建
2.1 数据选取原理
2.2 TCGA数据库
2.3 癌症基因表达谱数据
2.3.1 高维高冗余
2.3.2 高噪声
2.3.3 数据类分布不平衡
2.4 数据集融合
2.4.1 数据融合
2.4.2 数据集的归一化处理与划分
2.5 本章小结
第3章 基于协同信息增益以及相关冗余的特征选择方法
3.1 特征选择基本方法
3.2 基于协同信息增益以及相关冗余的特征选择方法
3.2.1 特征相关性选择阶段
3.2.2 协同信息增益选择阶段
3.2.2 相关冗余消除阶段
3.3 本章小结
第4章 二次反馈集成分类模型研究
4.1 决策分类单模型
4.1.1 决策树模型
4.1.2 朴素贝叶斯模型
4.1.3 多层感知机模型
4.1.4 极限学习机模型
4.2 集成学习模型
4.3 二次反馈集成模型
4.4 本章小结
第5章 对比实验与结果分析
5.1 实验概况
5.1.1 数据获取方式
5.1.2 特征选择方法参数设置
5.1.3 模型评估指标
5.2 基于协同信息增益与二次反馈集成模型的癌症分类研究对比
5.2.1 针对融合基因表达谱数据的数据集的对比实验一
5.2.2 基于协同信息增益以及相关冗余的特征选择方法对比实验二
5.2.3 针对二次反馈集成模型的分类模型对比实验三
5.2.4 基于协同信息增益与二次反馈集成模型的癌症分类研究方法实验四
5.2.5 本文癌症分类方法与国内外研究成果对比实验五
5.3 本章小结
结论
参考文献
致谢
湖南大学;