声明
摘要
第一章 绪论
第一节 研究背景
第二节 本文主要研究内容
第三节 论文组织结构
第二章 相关背景理论综述
第一节 当前微阵列数据研究进展
第二节 传统特征选择方法介绍
第三节 贝叶斯决策以及朴素贝叶斯分类器
2.3.1 贝叶斯决策理论
2.3.2 未知概率密度估计
2.3.3 朴素贝叶斯分类器
第四节 其他相关分类器介绍
2.4.1 TSP与k-TSP
2.4.2 支持向量机(SVM)
2.4.3 PAM
2.4.4 随机森林
2.4.5 CART树
第三章 基于分类能力结构互补性的基因选择方法
第一节 微阵列数据介绍
第二节 贝叶斯方法
第三节 基于分类能力结构互补性的基因选择方法
3.3.1 计算所有基因的分类能力结构
3.3.2 将所有基因按照分类能力结构分簇并化简
3.3.3 搜索最优分类能力结构组合
3.3.4 形成特征子集
3.3.5 基因的分类能力互补性
第四章 实验结果以及分析
第一节 实验介绍
第二节 实验结果及分析
4.2.1 正确率比较
4.2.2 基因子集规模比较
4.2.3 基因选择算法的有效性
4.2.3 基因子集中特征之间的组合效果
4.2.4 基因选择后样本的空间分布
4.2.5 关于阈值N取值的进一步研究
第三节 集成分类器以提高正确率
第四节 结果分析
第五章 总结与展望
参考文献
致谢
个人简历
南开大学;