| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第10-18页 |
| 1.1. 课题背景 | 第10-13页 |
| 1.2. 研究现状 | 第13-16页 |
| 1.3. 本文工作 | 第16-17页 |
| 1.4. 本文组织结构 | 第17-18页 |
| 第二章 相关知识介绍 | 第18-26页 |
| 2.1. 环状RNA数据库 | 第18-20页 |
| 2.2. 异质信息网络 | 第20-26页 |
| 2.2.1. 相关概念 | 第22-23页 |
| 2.2.2. 基于元路径的特征提取方法介绍 | 第23-26页 |
| 第三章 异质信息网络构建及特征提取 | 第26-46页 |
| 3.1. 环状RNA共表达网络 | 第27-38页 |
| 3.1.1. 数据准备 | 第27-32页 |
| 3.1.2. 环状RNA表达数据层次聚类分析 | 第32-33页 |
| 3.1.3. 环状RNA共表达网络的构建 | 第33-38页 |
| 3.2. 作为miRNA海绵体的环状RNA | 第38页 |
| 3.3. miRNA功能相似性 | 第38-41页 |
| 3.4. 人类疾病网络 | 第41-42页 |
| 3.5. 疾病相关miRNA | 第42-43页 |
| 3.6. 基于元路径的特征提取 | 第43-44页 |
| 3.7. 本章小结 | 第44-46页 |
| 第四章 PU学习策略预测疾病相关环状RNA | 第46-66页 |
| 4.1. 问题定义 | 第47页 |
| 4.2. Katz方法 | 第47-48页 |
| 4.3. 单类支持向量机方法 | 第48-49页 |
| 4.4. 类别加权策略 | 第49-52页 |
| 4.4.1. 类别加权的逻辑回归 | 第49-50页 |
| 4.4.2. 偏置支持向量机 | 第50-51页 |
| 4.4.3. 类别加权的随机森林 | 第51-52页 |
| 4.5. Bagging集成学习策略 | 第52-53页 |
| 4.6. 评价指标 | 第53-54页 |
| 4.7. 实验设计 | 第54-55页 |
| 4.8. 特征预处理 | 第55-57页 |
| 4.8.1. 数据标准化处理 | 第56页 |
| 4.8.2. 数据降维处理 | 第56-57页 |
| 4.9. 实验结果 | 第57-65页 |
| 4.9.1. Bagging集成学习策略中T值的选取 | 第57-58页 |
| 4.9.2. 有PCA和无PCA降维处理的结果对比 | 第58-59页 |
| 4.9.3. 各方法所得结果比较 | 第59-62页 |
| 4.9.4. 各数据集结果比较 | 第62-65页 |
| 4.10. 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-70页 |
| 5.1. 总结 | 第66-67页 |
| 5.2. 展望 | 第67-70页 |
| 参考文献 | 第70-76页 |
| 攻读硕士学位期间发表的论文 | 第76-78页 |
| 致谢 | 第78页 |