| 摘要 | 第1-10页 |
| Abstract | 第10-12页 |
| 第一章 绪论 | 第12-16页 |
| ·课题研究背景和意义 | 第12-14页 |
| ·本文主要研究工作 | 第14-15页 |
| ·论文结构安排 | 第15-16页 |
| 第二章 miRNA生物学背景及研究现状 | 第16-27页 |
| ·miRNA简介 | 第16-17页 |
| ·miRNA生成过程及其作用机制 | 第17-18页 |
| ·miRNA的特征总结 | 第18-20页 |
| ·miRNA数据库 | 第20-21页 |
| ·miRNA预测现状 | 第21-25页 |
| ·基于比较同源性的方法 | 第21-22页 |
| ·基于比较结构序列的方法 | 第22页 |
| ·基于机器学习的方法 | 第22-25页 |
| ·研究方法存在的不足 | 第25-26页 |
| ·比较同源性与结构序列预测方法的不足 | 第25-26页 |
| ·基于机器学习预测算法的不足 | 第26页 |
| ·小结 | 第26-27页 |
| 第三章 基于计算智能方法的多茎环pre-miRNA预测 | 第27-49页 |
| ·生物数据集 | 第27-28页 |
| ·人类阳性pre-miRNA数据集 | 第27页 |
| ·阴性数据集 | 第27-28页 |
| ·特征提取 | 第28-32页 |
| ·特征选择 | 第32-33页 |
| ·Divergence | 第32页 |
| ·转化Divergence | 第32页 |
| ·Jeffries-Matusita距离 | 第32-33页 |
| ·样本不平衡处理 | 第33-34页 |
| ·随机过/欠采样 | 第33页 |
| ·SMOTE | 第33页 |
| ·多分类器系统 | 第33页 |
| ·DEC | 第33-34页 |
| ·预测模型-人工神经网络 | 第34-37页 |
| ·人工神经网络概述 | 第34页 |
| ·神经元 | 第34-36页 |
| ·神经网络的特点 | 第36页 |
| ·神经网络的优点 | 第36-37页 |
| ·柔性神经树模型及其优化 | 第37-39页 |
| ·柔性神经树概述 | 第37-38页 |
| ·柔性神经树模型 | 第38-39页 |
| ·适应值函数 | 第39页 |
| ·概率增强式程序进化 | 第39-42页 |
| ·概率原型树 | 第40-41页 |
| ·概率增强式程序进化流程 | 第41-42页 |
| ·神经网络参数优化方法 | 第42-47页 |
| ·遗传编程算法 | 第43-44页 |
| ·粒子群优化算法 | 第44-47页 |
| ·小结 | 第47-49页 |
| 第四章 实验结果及分析 | 第49-56页 |
| ·评价标准 | 第49页 |
| ·特征选择实验结果 | 第49-50页 |
| ·样本不平衡处理实验结果 | 第50-51页 |
| ·与其它预测方法进行对比 | 第51-52页 |
| ·对其它物种的pre-miRNA预测 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 第五章 总结与展望 | 第56-58页 |
| ·总结 | 第56页 |
| ·研究展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 附录 | 第64页 |