| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 图和复杂网络理论在生物网络中应用 | 第11-12页 |
| 1.2.2 基于相互作用网络的蛋白质功能预测研究现状 | 第12-13页 |
| 1.3 本文的工作 | 第13-15页 |
| 2 蛋白质相互作用网络研究 | 第15-25页 |
| 2.1 蛋白质相互作用网络 | 第15-18页 |
| 2.1.1 蛋白质间相互作用 | 第15-16页 |
| 2.1.2 相关数据介绍 | 第16-18页 |
| 2.2 网络图构建 | 第18-21页 |
| 2.2.1 生物背景知识构图 | 第19-20页 |
| 2.2.2 多源信息融合构图 | 第20页 |
| 2.2.3 网络拓扑特性构图 | 第20-21页 |
| 2.3 网络图优化 | 第21-22页 |
| 2.3.1 图的分类 | 第21-22页 |
| 2.3.2 图的降维 | 第22页 |
| 2.4 网络图融合 | 第22-24页 |
| 2.4.1 前端融合 | 第22-23页 |
| 2.4.2 中端融合 | 第23-24页 |
| 2.4.3 后端融合 | 第24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 基于多核学习和有向双关系图的功能预测 | 第25-37页 |
| 3.1 蛋白质功能预测的计算方法 | 第25-27页 |
| 3.1.1 基于图的多标记分类 | 第25-27页 |
| 3.1.2 基于数据源优化的多核学习 | 第27页 |
| 3.2 算法描述 | 第27-30页 |
| 3.3 结果与分析 | 第30-36页 |
| 3.3.1 实验数据 | 第30页 |
| 3.3.2 实验性能评价指标 | 第30-32页 |
| 3.3.3 实验结果分析 | 第32-34页 |
| 3.3.4 参数敏感性分析 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 基于直推式学习和有向双关系图的功能预测研究 | 第37-47页 |
| 4.1 问题引入 | 第37-38页 |
| 4.2 直推式多标记学习 | 第38-39页 |
| 4.3 基于有向双关系图的直推式多标记集成分类 | 第39-43页 |
| 4.3.1 基本思想 | 第39-41页 |
| 4.3.2 算法描述 | 第41-43页 |
| 4.4 实验及结果分析 | 第43-46页 |
| 4.4.1 实验数据及设置 | 第43页 |
| 4.4.2 结果和分析 | 第43-45页 |
| 4.4.3 参数分析 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 结论 | 第47-48页 |
| 参考文献 | 第48-53页 |
| 攻读硕士学位期间发表学术论文情况 | 第53-54页 |
| 致谢 | 第54-55页 |