声明
摘要
第一章 引言
1.1 问题引入
1.1.1 医学问题
1.1.2 机器学习问题
1.2 本文的研究动机
1.3 本文的贡献与创新点
1.4 组织结构
1.5 符号说明
第二章 基本概念
2.1 马尔科夫网络
2.1.1 高斯图模型
2.1.2 伊辛模型
2.2 变量稀疏化的多种方法
2.2.1 变量选择重要性
2.2.2 Lasso提出背景以及应用
2.2.3 Bridge惩罚项
2.2.4 Group Bridge
2.3 差异网络估计模型
2.3.1 图Lasso模型
2.3.2 混合图Lasso模型
2.3.3 Dtrace模型
2.3.4 密度比模型
2.4 优化算法
2.4.1 局部线性逼近算法
2.4.2 近端梯度算法
第三章 基因网络重布局模型
3.1 基因网络重布局模型
3.1.1 损失函数的选择
3.1.2 惩罚项的构造
3.1.3 模型小结
3.2 算法
3.2.1 关于GNRM的局部线性逼近算法
3.2.2 关于GNRM子问题的加速近端梯度算法
3.3 调优参数的选择
第四章 实验数据分析
4.1 模拟实验数据分析
4.1.1 实验设计
4.1.2 模拟实验评价标准
4.1.3 模拟实验结果
4.2 真实数据的应用
4.2.1 卵巢癌数据的获取
4.2.2 实验结果分析
4.2.3 真实数据的对比实验
第五章 总结
参考文献
致谢