幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

基於機器學習的癌症基因組學數據分析方法研究(精)

  • 作者：劉健//程玉虎//王雪松|責編:耿東鋒
  • 出版社：中國礦大
  • ISBN：9787564651756
  • 出版日期：2021/10/01
  • 裝幀：精裝
  • 頁數：140
人民幣：RMB 58 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書針對癌症基因組學數據分析面臨的困難，以機器學習為理論基礎，通過對癌症特徵基因選擇、癌症樣本分類、癌症聚類和癌症亞型預測等問題展開研究與探索，提出了一系列基於機器學習的癌症基因組學數據分析方法。本書全書共11章，包含5個部分的內容：機器學習與癌症基因組學數據的基礎知識、基於重要性排序的癌症特徵基因選擇、基於樣本擴充及深度學習的癌症樣本分類、基於圖論及子空間學習的癌症聚類和基於多組學數據融合的癌症亞型預測。
    本書提出的機器學習方法，不僅豐富了機器學習理論，也獲得了與癌症發生、發展密切相關的成果，具有一定的理論價值和實用價值。
作者介紹
劉健//程玉虎//王雪松|責編:耿東鋒
目錄
第1章  緒論
  1.1  研究背景及意義
  1.2  癌症基因組學數據研究現狀
  1.3  本書主要研究方法
  1.4  本章小結
參考文獻
第2章  癌症基因組學數據及機器學習研究基礎
  2.1  癌症基因組學數據的獲取
  2.2  癌症基因組學數據分析面臨的問題
  2.3  機器學習相關演算法
  2.4  本章小結
參考文獻
第3章  基於樣本學習及深度稀疏濾波的癌症特徵基因選擇
  3.1  稀疏濾波演算法
  3.2  基於樣本學習的特徵基因選擇
  3.3  基於稀疏濾波的樣本學習適用性分析
  3.4  基於深度稀疏濾波的樣本學習模型
  3.5  基於樣本學習及深度稀疏濾波的癌症特徵基因選擇
  3.6  實驗結果與分析
  3.7  本章小結
參考文獻
第4章  基於最優均值的分塊魯棒特徵基因選擇
  4.1  最優均值理論
  4.2  基於最優均值的魯棒特徵基因選擇演算法
  4.3  基於最優均值的分塊魯棒特徵基因選擇演算法
  4.4  基於OMBRFE的結直腸癌融合數據特徵基因選擇
  4.5  實驗結果與分析
  4.6  本章小結
參考文獻
第5章  基於多智能體強化學習的乳腺癌致病基因預測
  5.1  問題描述
  5.2  環境設計
  5.3  基於多智能體強化學習的乳腺癌致病基因預測
  5.4  實驗結果與分析
  5.5  本章小結
參考文獻
第6章  基於樣本擴充及深度學習的癌症樣本分類
  6.1  研究動機
  6.2  樣本擴充方法
  6.3  基於樣本擴充的棧式自動編碼器
  6.4  基於樣本擴充的1維卷積神經網路
  6.5  實驗結果及分析
  6.6  本章小結
參考文獻
第7章  基於離散約束及超圖正則化的低秩子空間聚類
  7.1  基於離散約束的低秩子空間聚類
  7.2  超圖構建
  7.3  基於離散約束及超圖正則化的低秩子空間聚類演算法
  7.4  實驗結果與分析
  7.5  本章小結

參考文獻
第8章  基於離散約束及封頂范數的魯棒低秩子空間聚類
  8.1  基於離散約束及封頂范數的低秩子空間聚類演算法
  8.2  DCLRS優化演算法
  8.3  DCLRS收斂性分析
  8.4  實驗結果與分析
  8.5  本章小結
參考文獻
第9章  基於雙超圖正則化主成分分析的雙聚類
  9.1  研究動機
  9.2  圖拉普拉斯主成分分析
  9.3  雙超圖的構建
  9.4  基於雙超圖正則化的主成分分析
  9.5  基於DHPCA的癌症雙聚類
  9.6  實驗結果與分析
  9.7  本章小結
參考文獻
第10章  基於隨機遊走及相對熵相似網路融合的癌症亞型預測
  10.1  基於隨機遊走及相對熵的相似網路融合
  10.2  實驗結果與分析
  10.3  本章小結
參考文獻
第11章  基於多平滑表示融合多視圖譜聚類的癌症亞型預測
  11.1  基於多平滑表示融合的多視圖譜聚類
  11.2  實驗結果與分析
  11.3  本章小結
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032