文摘
英文文摘
声明
第一章 绪论
1.1 课题来源
1.2 课题研究的目的和意义
1.3 国内外研究概况
1.4 论文的主要研究内容
第二章 基因芯片实验表达数据及其应用
2.1 DNA芯片技术概述
2.1.1 生物芯片的概念
2.1.2 DNA芯片的概念、主要类型和特点
2.1.3 DNA芯片的基本原理
2.2 DNA芯片技术的应用
第三章流形学习与基因芯片分析中的聚类分析方法
3.1 基因芯片分析中常用的聚类分法
3.1.1 K均值(K-means)聚类方法
3.1.2 自组织映射神经网络(SOM)聚类
3.1.3 模糊C均值(FCM)聚类
3.2 流形学习方法介绍
3.2.1 流形学习简介
3.2.2 等度规映射(ISOMAP)算法简介
3.2.3 局部线性嵌入(LLE)算法简介
3.2.4 拉普拉斯特征根映射(LEMap)算法简介
3.3 基于流形学习的聚类方法在基因芯片分析中的应用
3.3.1 基于流形学习的聚类方法研究的目的以及意义
3.3.2 分析方法
3.3.3 结果与分析
3.3.4 小结
第四章 基于支持向量机的自适应肿瘤分类检测算法
4.1 肿瘤分类和自适应算法的意义
4.2 表达差异基因的选择
4.3 使用主成份分析和核主成份分析的特征抽取
4.3.1 主成分分析的方法简介
4.3.2 核主成分分析的方法简介
4.4 支持向量机简介
4.5 自适应肿瘤分类检测算法
4.5.1 算法步骤和流程
4.5.2 结果与分析
4.5.3 小结
第五章 贝叶斯网络基因芯片表达数据分析工具及其应用
5.1 贝叶斯网络及其学习方法
5.1.1 贝叶斯网络介绍
5.1.2 贝叶斯网络结构学习
5.1.3 贝叶斯网络参数学习
5.2 离散粒子群优化算法在贝叶斯网络结构学习中的应用
5.3 贝叶斯网络基因芯片表达数据分析工具的开发及其应用
5.3.1 序列motif查找工具
5.3.2 贝叶斯网络结构与参数学习和图示工具
5.4 小结
第六章结论与展望
8.1 结论
8.2 展望
参考文献
作者在攻读硕士学位期间公开发表的论文
作者在攻读硕士学位期间所作的项目
致 谢