基于微阵列数据的癌症特征基因选择方法研究

目录

声明

第1章 绪 论

1.1 选题研究背景与意义

1.2国内外研究现状

1.3 本文的主要研究内容

1.4 本文的组织结构安排

第2章 特征选择相关理论

2.1.1 DNA微阵列的原理与分类

2.1.2 DNA微阵列的应用

2.1.3 基因表达谱的获取及表示

2.1.4 基因表达谱数据特性

2.2 特征选择概述

2.2.1 特征选择的定义

2.2.2 特征选择的基本框架

2.2.3 特征选择方法分类

2.3支持向量机

2.4 本章小结

第3章 基于AGALA算法的癌症特征选择与分类

3.1 经典遗传算法

3.2 自适应遗传算法

3.3 学习自动机

3.4 AGALA算法

3.4.1 染色体编码

3.4.2 选择操作

3.4.3 交叉操作

3.4.4 变异操作

3.4.5 适应度函数

3.4.6 奖惩操作

3.4.7 结束条件

3.4.8 AGALA算法的复杂度

3.5.1 癌症数据集

3.5.2实验结果分析

3.6 本章总结

第4章 基于SRPSO算法的癌症特征选择与分类

4.1 粒子群算法

4.2.1 粒子速度控制

4.2.2 群体Pbest反向学习机制

4.2.3 SRPSO算法的复杂度

4.3 基于SRPSO癌症特征基因选择与分类

4.3.1实验设置

4.3.2实验结果分析

4.3.3 SRPSO/SVM与AGALA/SVM的对比分析

4.4 本章总结

第5章 总结与展望

致谢

参考文献

作者简介

攻读硕士学位期间研究成果