生物信息学中的机器学习分析方法

封面 1
书名 3
版权 4
前言 5
目录 7
1 10
2 11
3 12
4 13
5 14
6 15
7 16
8 17
9 18
10 19
11 20
12 21
13 22
14 23
15 24
16 25
17 26
18 27
19 28
20 29
21 30
22 31
23 32
24 33
25 34
26 35
27 36
28 37
29 38
30 39
31 40
32 41
33 42
34 43
35 44
36 45
37 46
38 47
39 48
40 49
41 50
42 51
43 52
44 53
45 54
46 55
47 56
48 57
49 58
50 59
51 60
52 61
53 62
54 63
55 64
56 65
57 66
58 67
59 68
60 69
61 70
62 71
63 72
64 73
65 74
66 75
67 76
68 77
69 78
70 79
71 80
72 81
73 82
74 83
75 84
76 85
77 86
78 87
79 88
80 89
81 90
82 91
83 92
84 93
85 94
86 95
87 96
88 97
89 98
90 99
91 100
92 101
93 102
94 103
95 104
96 105
97 106
98 107
99 108
100 109
101 110
102 111
103 112
104 113
105 114
106 115
107 116
108 117
109 118
110 119
111 120
112 121
113 122
114 123
115 124
116 125
117 126
118 127
119 128
120 129
121 130
122 131
123 132
124 133
125 134
126 135
127 136
128 137
129 138
130 139
131 140
132 141
133 142
134 143
135 144
136 145
137 146
138 147
139 148
140 149
141 150
142 151
143 152
144 153
145 154
146 155
147 156
148 157
149 158
150 159
151 160
152 161
153 162
154 163
155 164
156 165
157 166
158 167
159 168
160 169
161 170
162 171
163 172
164 173
165 174
166 175
167 176
168 177
169 178
170 179
171 180
172 181
173 182
174 183
175 184
176 185
177 186
178 187
179 188
180 189
181 190
182 191
183 192
184 193
185 194
186 195 1 (p1): 0 绪论
1 (p1-1): 0.1 生物信息学的概念
1 (p1-2): 0.2 生物信息学的研究内容
2 (p1-3): 0.3 微阵列分析技术
9 (p1-4): 0.4 基因调控网络
11 (p1-5): 0.5 蛋白质相互作用网络
12 (p1-6): 0.6 机器学习方法及应用
15 (p1-7): 0.7 本书主要内容和安排
15 (p1-8): 参考文献
21 (p2): 第Ⅰ篇微阵列数据的分析和处理
21 (p2-1): 第1章 基于核方法的多病类DNA微阵列数据集成分类器
22 (p2-1-1): 1.1 核机器学习
24 (p2-1-2): 1.2 基分类器的选择
29 (p2-1-3): 1.3 DNA微阵列数据集成分类器结构框图
30 (p2-1-4): 1.4 实例研究
34 (p2-1-5): 1.5 本章小结
34 (p2-1-6): 参考文献
36 (p2-2): 第2章 基于选择性独立成分分析的DNA微阵列数据集成分类器
37 (p2-2-1): 2.1 基于重构样本误差的选择性独立成分分析
38 (p2-2-2): 2.2 实例研究
45 (p2-2-3): 2.3 本章小结
45 (p2-2-4): 参考文献
47 (p2-3): 第3章 基于相关性分析的癌症诊断
48 (p2-3-1): 3.1 K均值聚类
48 (p2-3-2): 3.2 基于特征选取的相关系数分析癌症诊断模型
51 (p2-3-3): 3.3 实验结果和分析
53 (p2-3-4): 3.4 本章小结
53…