声明
摘要
1 绪论
1.1 引言
1.2 多变量建模方法
1.2.1 最小二乘法
1.2.2 偏最小二乘法
1.3 变量选择方法
1.3.1 子集选择法
1.3.2 系数压缩法
1.4 判别分析法
1.5 模型评价方法
1.5.1 独立测试集法
1.5.2 交互检验法
1.6 本文的主要研究内容
2 基于互信息的模型集群分析变量选择方法
2.1 引言
2.2 原理和算法
2.2.1 熵与互信息
2.2.2 基于互信息的变量选择方法回顾
2.2.3 本文提出的MPA-MMIFS算法
2.3 MPA-MMIFS计算软件
2.4 实验数据
2.4.1 基因组学数据(乳腺癌)
2.4.2 代谢组学数据(Ⅱ型糖尿病)
2.4.3 近红外数据(食用醋)
2.5 数据处理
2.6 结果与讨论
2.6.1 Estrogen数据
2.6.2 T2DM数据
2.6.3 Vinegar数据
2.7 本章小结
3 变量选择方法之间的比较
3.1 引言
3.2 其他变量选择方法
3.2.1 遗传算法(GA)
3.2.2 间隔影响分析法(MIA)
3.2.3 随机青蛙算法(RF)
3.2.4 子窗口重排分析法(SPA)
3.2.5 变量互补信息网(VCN)
3.2.6 竞争性自适应重加权采样法(CARS)
3.3 不同方法的计算结果比较
3.3.1 Estrogen数据
3.3.2 T2DM数据
3.3.3 Vinegar数据
3.4 本章小结
4 MPA-MMIFS算法的参数优化
4.1 引言
4.2 k值与Q值的优化
4.2 β值的优化
4.3 N的取值对MPA-MMIFS算法的影响
4.4 本章小结
结论与展望
参考文献
攻读学位期间主要的研究成果
致谢