| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 基因间长链非编码RNA(lincRNAs) | 第10-13页 |
| 1.1.1 lincRNAs的生物学作用机制 | 第11页 |
| 1.1.2 lincRNAs的功能 | 第11-13页 |
| 1.2 机器学习 | 第13-16页 |
| 1.2.1 机器学习方法概述 | 第13-14页 |
| 1.2.2 机器学习算法概述 | 第14-15页 |
| 1.2.3 开发机器学习应用程序的步骤 | 第15页 |
| 1.2.4 支持向量机(SVM)的分类原理 | 第15-16页 |
| 1.3 识别lincRNAs的方法 | 第16-18页 |
| 1.3.1 经典方法 | 第16-17页 |
| 1.3.2 机器学习方法 | 第17-18页 |
| 1.4 拟南芥背景及其lincRNAs的研究现状 | 第18-19页 |
| 1.5 水稻背景及其lincRNAs的研究现状 | 第19页 |
| 1.6 本研究的目的和意义 | 第19-22页 |
| 第2章 材料和方法 | 第22-32页 |
| 2.1 训练集构建 | 第22-24页 |
| 2.1.1 拟南芥中训练集构建 | 第22-23页 |
| 2.1.2 水稻中训练集构建 | 第23-24页 |
| 2.2 特征集 | 第24-26页 |
| 2.3 构建分类模型 | 第26-28页 |
| 2.4 特征选择 | 第28页 |
| 2.5 模型评估 | 第28-29页 |
| 2.6 测试集 | 第29-32页 |
| 第3章 结果与分析 | 第32-42页 |
| 3.1 双子叶植物中lincRNAs预测分类模型 | 第32-36页 |
| 3.1.1 训练集结果 | 第32-33页 |
| 3.1.2 特征选择结果 | 第33-34页 |
| 3.1.3 测试集结果 | 第34-35页 |
| 3.1.4 模型效果评估及分析 | 第35-36页 |
| 3.2 单子叶植物中lincRNAs预测分类模型 | 第36-42页 |
| 3.2.1 训练集结果 | 第36-37页 |
| 3.2.2 特征选择结果 | 第37-39页 |
| 3.2.3 测试集结果 | 第39-40页 |
| 3.2.4 模型效果评估及分析 | 第40-42页 |
| 第4章 结论与创新之处 | 第42-44页 |
| 第5章 讨论与展望 | 第44-46页 |
| 参考文献 | 第46-56页 |
| 附录 | 第56-64页 |
| 致谢 | 第64-66页 |
| 攻读学位期间的研究成果 | 第66页 |