基因表达谱数据挖掘方法研究 / 黄德双著.——北京 : 科学出版社,2009. – (58.215/4427)

Contents

    目 录<br>    
    前言
    第1章 绪论1
     1．1 生物信息学简介1
     1．2 基因组时代简介17
     1．3 基因表达谱数据挖掘的研究意义与研究现状20
     1．4 本章小结28
    第2章 DNA微阵列技术与基因表达谱33
     2．1 基因芯片与DNA微阵列33
     2．2 基因表达谱40
     2．3 基因表达谱数据分析46
     2．4 基因表达谱的研究方向53
     2．5 本章小结55
    第3章 基因表达谱数据挖掘中的模式识别基础58
     3．1 模式识别的概念及其研究方向58
     3．2 特征提取与选择方法59
     3．3 常用的基因表达谱聚类与分类算法71
     3．4 分类器91
     3．5 本章小结99
    第4章 基于因子分量分析的基因表达谱特征提取方法102
     4．1 基因表达谱特征提取方法简介102
     4．2 主分量分析103
     4．3 判决主分量分析106
     4．4 因子分析109
     4．5 独立分量分析111
     4．6 因子分析、主分量分析和独立分量分析之间的关系115
     4．7 基于主分量分析、判决主分量分析和因子分析的肿瘤亚型分类方法117
     4．8 基于独立分量分析的肿瘤亚型分类方法133
     4．9 基于独立分量分析的肿瘤亚型惩罚性分类方法137
     4．10 本章小结141
    第5章 基于傅里叶与小波包变换的基因表达谱特征提取方法144
     5．1 基于离散余弦变换和傅里叶变换的基因表达谱特征提取方法144
     5．2 基于小波包变换的基因表达谱特征提取与选择152
     5．3 基因表达谱的特征提取与选择方法比较158
     5．4 本章小结160
    第6章 信息基因的启发式搜索算法研究163
     6．1 信息基因选择问题163
     6．2 基于启发式搜索的基因表达谱数据挖掘算法176
     6．3 基于Wilcoxon秩和检验的信息基因选择方法185
     6．4 基于Kruskal—Wallis秩和检验的基因选择方法194
     6．5 本章小结200
    第7章 基于粗糙集的信息基因选择方法204
     7．1 基于粗糙集的肿瘤信息基因选择方法204
     7．2 基于邻域粗糙集的肿瘤信息基因选择方法209
     7．3 基于邻域粗糙集的多类肿瘤亚型分类方法221
     7．4 本章小结229
    第8章 基于基因调控概率模型的基因表达谱数据挖掘方法231
     8．1 基因表达调控的生物学背景231
     8．2 基于概率统计的基因调控概率模型232
     8．3 基因调控概率计算233
     8．4 基于基因调控概率模型的基因选择与肿瘤基因分类239
     8．5 实验结果与分析243
     8．6 本章小结258
    第9章 基于神经网络和支持向量机的基因选择及肿瘤分类方法261
     9．1 人工神经网络261
     9．2 基于径向基函数神经网络的肿瘤分类方法268
     9．3 基于支持向量机的基因表达谱分类方法277
     9．4 基于支持向量机和惩罚策略的基因表达谱分类方法290
     9．5 基因选择算法及肿瘤样本分类器性能比较299
     9．6 本章小结302
    第10章 基于集成分类器系统的基因表达谱数据挖掘方法研究306
     10．1 多分类器集成系统306
     10．2 基于概率神经网络集成的肿瘤样本分类方法319
     10．3 基于标准遗传算法的集成基因表达谱特征选择算法设计
     10．4 基于集成独立分量的基因表达谱特征提取与选择
     10．5 基于多目标遗传算法的基因表达谱集成特征选择算法
     10．6 基于进化计算的扩展集成独立分量选择系统
     10．7 基于遗传规划的多类基因表达谱数据分析
     10．8 基于旋转森林的肿瘤样本分类方法<br>     10．9 本章小结
    第11章 基于流形学习的基因表达谱特征提取方法
     11．1 流形学习的研究背景与现状
     11．2 几种典型的流形学习算法<br>     11．3 面向分类的流形学习中存在的问题<br>     11．4 基于局部线性判别嵌入的特征提取方法412
     11．5 实验结果与分析419
     11．6 本章小结424
    第12章 基于张量分析的高阶基因表达谱特征提取方法430
     12．1 张量分析430
     12．2 张量的奇异值分解与多线性独立分量分析435
     12．3 基于张量多线性ICA的肿瘤亚型分类方法437
     12．4 本章小结442
    附录 部分源代码445
     1．判决主分量分析445
     2．启发式宽度优先搜索算法446
     3．SVM分类模型的参数选择法448
     4．基于小波包变换的基因表达谱特征提取算法448
     5．基于邻域粗糙集的基因约简算法449
     6．Relief算法450
     7．采用DCT变换抽取特征的肿瘤分类方法451
     8．概率神经网络分类方法452
     9．基于概率神经网络集成的基因表达谱特征提取方法452
     10．基于FastICA的肿瘤分类方法454
     11．基于集成独立分量分析的肿瘤分类方法455
     12．基于遗传规划的肿瘤分类方法457
     13．旋转森林459
     14．基于流形学习的肿瘤分类方法461
    彩图