| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·引言 | 第9页 |
| ·预测 MicroRNA 的研究意义 | 第9-10页 |
| ·预测 MicroRNA 的研究现状 | 第10-12页 |
| ·同源片段搜索算法 | 第10页 |
| ·比较基因组学预测算法 | 第10-11页 |
| ·基于大规模测序的预测方法 | 第11页 |
| ·基于序列结构特征的预测算法 | 第11-12页 |
| ·基于机器学习的预测算法 | 第12页 |
| ·本文主要研究内容 | 第12-13页 |
| ·本文结构 | 第13-14页 |
| 第2章 相关技术和理论研究 | 第14-20页 |
| ·流形和流形学习概述 | 第14页 |
| ·流形排序 | 第14-15页 |
| ·狄利克雷过程 | 第15页 |
| ·核学习机基本原理 | 第15-18页 |
| ·支持向量机 | 第16页 |
| ·Fisher 判别分析 | 第16-18页 |
| ·邻近算法 | 第18页 |
| ·核近邻算法 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 结构特征提取和排序候选集的研究 | 第20-33页 |
| ·根据内部全局流形结构排序基因数据的优点 | 第20-22页 |
| ·提取 MicroRNA 的序列和结构特征 | 第22-26页 |
| ·MicroRNA 前体的二级结构 | 第22-24页 |
| ·提取 MicroRNA 二级结构特征 | 第24-25页 |
| ·MicroRNA 前体全局特征参数的选取 | 第25-26页 |
| ·流形排序算法 | 第26-27页 |
| ·使用流形排序算法排序候选集 | 第27-32页 |
| ·构建加权图模型描述序列集 | 第27-28页 |
| ·平滑参数和图排序算法 | 第28页 |
| ·加权图模型中的置信传播 | 第28-30页 |
| ·对候选集进行排序 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 使用流形空间上的核近邻算法预测 MicroRNA | 第33-44页 |
| ·在流形空间上对序列数据建模的优势 | 第33页 |
| ·狄利克雷混合多项式模型对数据建模 | 第33-35页 |
| ·DCM 流形 | 第35-37页 |
| ·使用 Fisher 信息量描述流形空间的黎曼度量 | 第35-36页 |
| ·DCM 流形的黎曼度量 | 第36-37页 |
| ·DCM 流形上扩散核 | 第37-38页 |
| ·支持向量机的核函数 | 第38-39页 |
| ·使用核方法分类候选集 | 第39-42页 |
| ·DCM 流形上扩散核的核近邻算法 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 实验分析 | 第44-55页 |
| ·候选集的选择 | 第44-45页 |
| ·评价标准 | 第45-46页 |
| ·实验环境 | 第46-47页 |
| ·实验步骤 | 第47-54页 |
| ·使用流形排序算法对候选集进行排序 | 第47-49页 |
| ·实验结果及分析 | 第49-50页 |
| ·使用核近邻算法在流形空间上预测 MicroRNA | 第50-52页 |
| ·实验结果及分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第61-62页 |
| 致谢 | 第62-63页 |
| 作者简介 | 第63页 |
