声明
摘要
第1章 绪论
1.1 课题背景与意义
1.2 国内外研究现状
1.3 论文结构及主要内容
第2章 生物数据收集及预处理
2.1 生物数据概述
2.1.1 组学数据
2.1.2 GBM数据
2.2 生物数据收集
2.3 数据预处理
2.4 本章小结
第3章 基于GBM多组学数据的特征选择算法研究
3.1 常用特征选择算法概述
3.2 基于L1正则化的逻辑回归算法原理
3.3 基于L1正则化的逻辑回归算法的参数优化
3.3.1 参数优化
3.3.2 参数优化算法的评价方式
3.3.3 评价指标
3.3.4 参数优化结果
3.4 算法性能比较
3.5 本章小结
第4章 基于GBM多组学数据的机器学习分类算法研究
4.1 常用机器学习算法概述
4.1.1 朴素贝叶斯
4.1.2 K近邻
4.1.3 决策树
4.1.4 支持向量机
4.2 支持向量机算法原理
4.2.1 线性支持向量机
4.2.2 非线性支持向量机
4.2.3 常用核函数
4.3 支持向量机算法的参数优化
4.3.1 网格搜索法优化参数
4.3.2 交叉验证法评价参数优化算法
4.3.3 支持向量机算法参数优化结果
4.4 模型性能比较
4.5 联合预测模型性能分析
4.5.1 其他评价指标
4.5.2 与已有研究成果比较
4.6 本章小结
第5章 总结与展望
5.1 论文总结
5.2 展望
参考文献
致谢
作者简介