声明
摘要
主要符号表
1 绪论
1.1研究背景与意义
1.2特征选择算法相关工作研究进展
1.2.1基于特征判别能力的特征选择算法
1.2.2基于特征对评价的特征选择算法
1.2.3基于网络的特征选择算法
1.3目前存在的问题和挑战
1.4代谢组学相关研究与应用介绍
1.5本文主要研究思路
2基于水平和垂直关系的特征对筛选与分类算法
2.1引言
2.2方法
2.2.1 TSP和k-TSP算法
2.2.2 VH-TSP和VH-k-TSP算法
2.3实验
2.4结果与讨论
2.4.1 k-TSP,M-k-TSP和VH-k-TSP在基因组学数据上的比较
2.4.2 SVM-RFE,RS-SVM和VH-k-TSP在基因组学数据上的比较
2.4.3 VH-k-TSP算法在肝癌代谢数据集上的性能分析
2.5本章小结
3 基于组合特征的分类模型构建算法
3.1引言
3.2方法
3.2.1 M-k-TSP算法
3.2.2 CFC-CM算法
3.3实验
3.4结果和讨论
3.4.1 CFC-CM在基因组学数据上的性能分析
3.4.2 CFC-CM在代谢组学数据上的性能分析
3.5本章小结
4基于非重叠区域率的网络构建及动态网络分析算法
4.1引言
4.2 ATSD-DN算法
4.2.1网络构建
4.2.2网络分析
4.2.3静态分析
4.3实验
4.4结果
4.4.1代谢网络的建立
4.4.2动态浓度分析和拓扑结构分析
4.4.3潜在生物标志物的发现及验证
4.4.4与其它方法的比较
4.5讨论
4.6本章小结
5基于差异性拓扑结构的网络分析算法
5.1引言
5.2 PB-DSN算法
5.2.1网络构建
5.2.2差异性子网的定义
5.3实验
5.4结果
5.4.1 PB-DSN在静态数据集上的性能分析
5.4.2 PB-DSN在时间序列数据集上的性能分析
5.5讨论
5.6本章小结
6结论与展望
6.1结论
6.2创新点
6.3展望
参考文献
攻读博士学位期间科研项目及科研成果
致谢
作者简介