基于多视图聚类的疾病分类方法研究

目录

声明

致谢

1 引言

1.1 研究背景和意义

1.2 本文的主要工作

1.3 本文的结构组织

2 多视图聚类的相关研究

2.1 基于协同训练的多视聚类算法

2.2 多视图子空间聚类算法

2.2.1 基于子空间学习的多视聚类算法

2.2.2 基于非负矩阵分解的多视聚类算法

2.3 基于多核学习的多视图聚类算法

2.4 多任务多视图聚类算法

2.5 多视图图聚类算法

2.5.1 基于图的多视图聚类算法

2.5.2 基于网络的多视图聚类算法

2.5.3 基于普聚类的多视图聚类算法

2.6 聚类算法的评价

2.7 多视图聚类算法在疾病分类上的应用

2.8 本章小结

3 基于多视图聚类的疾病分类体系的研究

3.1 数据预处理和疾病相似度的构建

3.1.1 数据预处理

3.1.2 疾病类别相似度构建

3.1.3 基于基因的疾病关系相似度构建

3.1.4 基于症状的疾病相似度构建

3.1.5 疾病分子模块相似度构建

3.2 ICD 分类质量的评价

3.2.1 疾病相似性关系研究

3.2.2 疾病类别之间的差异性

3.2.3 应用网络模块度评价分类质量

3.3 深度多视图网络融合聚类模型

3.3.1 模型概述

3.3.2 在多视图数据上进行实验

3.3.3 疾病分类实验设计

3.4 基于多视图概念分解算法的疾病分类模型

3.4.1 模型概述

3.4.2 疾病分类实验设计

3.5 疾病分类结果分析

3.6 本章小结

4 基于多视图聚类的癌症亚型研究

4.1 数据集构建

4.2 利用深度多视图网络融合聚类模型进行疾病亚型研究

4.2.1 方法介绍

4.2.2 实验设计

4.3 利用多视图图融合聚类算法进行疾病亚型研究

4.3.1 方法介绍

4.3.2 实验设计

4.4 实验结果分析

4.4.1 使用对数秩检验方法对结果进行分析

4.4.2 比例风险模型对结果进行分析

4.4.3 实验结果对比分析聚类结果

4.5 本章小结

5 总结与展望

5.1 工作总结

5.2 未来展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

独创性声明

学位论文数据集