基于小波的基因差异表达建模分析
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景及研究的目的和意义 | 第9-12页 |
| 1.1.1 研究背景 | 第9-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 1.4 本文的组织结构 | 第16-17页 |
| 第2章 时序表达数据的小波分析 | 第17-28页 |
| 2.1 小波分析的基本概念 | 第17-19页 |
| 2.1.1 小波变换和小波的多样性 | 第17-18页 |
| 2.1.2 小波的多尺度分解与重构 | 第18-19页 |
| 2.1.3 小波分析在生物学上的应用 | 第19页 |
| 2.2 基因时序表达谱数据的预处理 | 第19-25页 |
| 2.2.1 基因表达谱数据 | 第19-20页 |
| 2.2.2 基因表达谱数据的获取和预处理 | 第20-25页 |
| 2.3 小波分析在基因差异表达的应用 | 第25-27页 |
| 2.3.1 小波变换模型 | 第25页 |
| 2.3.2 差异表达基因的筛选 | 第25-26页 |
| 2.3.3 时序数据相似度的计算 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 聚类分析 | 第28-44页 |
| 3.1 聚类的发展 | 第28-29页 |
| 3.2 FC聚类算法 | 第29-30页 |
| 3.3 基于粒子群的快速自动聚类算法 | 第30-33页 |
| 3.3.1 粒子群算法简介 | 第31-32页 |
| 3.3.2 PSO_FAC算法 | 第32-33页 |
| 3.4 实验结果 | 第33-42页 |
| 3.4.1 验证PSO_FAC算法的可行性 | 第33-41页 |
| 3.4.2 基因时序数据的聚类结果 | 第41-42页 |
| 3.4.3 PSO_FAC算法时间复杂度分析 | 第42页 |
| 3.5 本章小结 | 第42-44页 |
| 第4章 GO分析与系统实现 | 第44-52页 |
| 4.1 GO介绍 | 第44-45页 |
| 4.2 聚类数据的GO分析 | 第45-47页 |
| 4.3 系统设计 | 第47-51页 |
| 4.3.1 数据的预处理系统 | 第47-48页 |
| 4.3.2 PSO_FAC聚类系统 | 第48-50页 |
| 4.3.3 GO分析系统 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-59页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第59-61页 |
| 致谢 | 第61页 |
