基于改进型SVM的基因调控网络构建及Spark实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 选题背景及意义 | 第8-10页 |
| 1.1.1 选题背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 国外研究现状 | 第10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 本课题主要研究内容及创新意义 | 第11-12页 |
| 1.4 本章小结 | 第12-13页 |
| 第二章 基因调控网络 | 第13-20页 |
| 2.1 基因调控网络的概念 | 第13-15页 |
| 2.1.1 调控特征 | 第13-14页 |
| 2.1.2 基因调控网络的结构 | 第14-15页 |
| 2.2 基因调控网络的典型模型 | 第15-18页 |
| 2.2.1 布尔网络模型 | 第15-16页 |
| 2.2.2 马尔可夫模型 | 第16页 |
| 2.2.3 线性组合模型 | 第16页 |
| 2.2.4 贝叶斯网络模型 | 第16-17页 |
| 2.2.5 微分方程模型 | 第17-18页 |
| 2.3 基因调控网络的建模过程 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 改进型支持向量机 | 第20-29页 |
| 3.1 统计学习理论 | 第20-21页 |
| 3.1.1 泛化能力 | 第20页 |
| 3.1.2 VC维 | 第20页 |
| 3.1.3 结构风险 | 第20-21页 |
| 3.2 支持向量机 | 第21-25页 |
| 3.2.1 线性可分支持向量机 | 第21-24页 |
| 3.2.2 线性不可分支持向量机 | 第24页 |
| 3.2.3 核函数 | 第24-25页 |
| 3.3 改进型支持向量机 | 第25-28页 |
| 3.3.1 线性改进型支持向量机 | 第25-27页 |
| 3.3.2 非线性改进型支持向量机 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第四章 基于改进型SVM的基因调控网络预测 | 第29-39页 |
| 4.1 数据来源及处理 | 第29-34页 |
| 4.1.1 数据来源 | 第29-31页 |
| 4.1.2 数据处理 | 第31-34页 |
| 4.2 算法概述 | 第34-35页 |
| 4.2.1 ROC曲线 | 第35页 |
| 4.2.2 交叉验证法 | 第35页 |
| 4.3 调控网络的预测 | 第35-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第五章 Spark大数据平台的环境搭建 | 第39-46页 |
| 5.1 Spark大数据处理框架 | 第39-40页 |
| 5.2 Spark框架的两大支柱 | 第40页 |
| 5.2.1 Hadoop分布式文件系统 | 第40页 |
| 5.2.2 弹性分布式数据集 | 第40页 |
| 5.3 Spark开发环境的搭建 | 第40-43页 |
| 5.3.1 Spark开发环境的硬件系统要求 | 第40-41页 |
| 5.3.2 Hadoop集群环境的搭建 | 第41-42页 |
| 5.3.3 Spark集群环境的搭建 | 第42-43页 |
| 5.4 基于Spark平台的基因调控网络预测 | 第43-45页 |
| 5.5 本章小结 | 第45-46页 |
| 第六章 研究总结与展望 | 第46-47页 |
| 6.1 研究总结 | 第46页 |
| 6.2 未来展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 发表论文和科研情况说明 | 第51-52页 |
| 致谢 | 第52页 |
