| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-16页 |
| 1 绪论 | 第16-38页 |
| 本章摘要 | 第16页 |
| ·基于图和网络的学习算法 | 第16-23页 |
| ·结合链接信息的结点分类 | 第17-19页 |
| ·链接预测 | 第19-20页 |
| ·子网发现和图分类 | 第20-22页 |
| ·图匹配 | 第22-23页 |
| ·当前系统生物学的发展 | 第23-30页 |
| ·系统生物学的定义 | 第24-25页 |
| ·系统生物学的基础-信息 | 第25-26页 |
| ·系统生物学的灵魂-整合 | 第26-28页 |
| ·系统生物学的手段-建模和仿真 | 第28-30页 |
| ·图和网络的观点在系统生物学中的应用 | 第30-33页 |
| ·图和网络在系统生物学应用中的现状 | 第30-33页 |
| ·本文立题依据及主要内容 | 第33-38页 |
| ·研究动机和思路 | 第33-34页 |
| ·全文组织结构 | 第34-38页 |
| 2 预备知识 | 第38-52页 |
| 本章摘要 | 第38页 |
| ·图论及其基础知识 | 第38-40页 |
| ·基本概念 | 第38-39页 |
| ·拉普拉斯矩阵 | 第39-40页 |
| ·半监督学习(Semi-supervised Learning) | 第40-41页 |
| ·核方法相关知识 | 第41-43页 |
| ·非线性映射和特征空间 | 第41页 |
| ·核技巧(Kernel Trick) | 第41-42页 |
| ·Mercer定理 | 第42页 |
| ·定义:再生核希尔伯特空间 | 第42-43页 |
| ·核函数性质 | 第43页 |
| ·表现定理(Representer Theorem) | 第43页 |
| ·半定规划基础知识 | 第43-44页 |
| ·半定规划定义 | 第43-44页 |
| ·Schur补引理 | 第44页 |
| ·(?)_1范数稀疏性 | 第44-47页 |
| ·LASSO | 第45-46页 |
| ·从几何角度理解(?)_1范数的稀疏性 | 第46页 |
| ·(?)_1范数最小化的优化方法 | 第46-47页 |
| ·光学分子成像 | 第47-52页 |
| ·近红外光成像 | 第47-48页 |
| ·荧光分子断层扫描 | 第48-52页 |
| 3 基于谱变换图核的半监督核Fisher判别分析法 | 第52-64页 |
| 本章摘要 | 第52页 |
| ·引言 | 第52-53页 |
| ·问题描述 | 第53-55页 |
| ·核Fisher判别分析法 | 第55-57页 |
| ·基本概念 | 第55-57页 |
| ·核技巧(Kernel Trick) | 第57页 |
| ·基于半定规划的谱变换 | 第57-60页 |
| ·半监督KFDA的一般凸公式 | 第57-59页 |
| ·半定规划求解谱变换 | 第59-60页 |
| ·实验结果 | 第60-61页 |
| ·本章小结 | 第61-64页 |
| 4 基于半监督学习的药物-蛋白相互作用网络预测 | 第64-82页 |
| 本章摘要 | 第64页 |
| ·引言 | 第64-65页 |
| ·数据描述 | 第65-67页 |
| ·算法描述 | 第67-71页 |
| ·整合的权重属性法(Combining weighted profile) | 第67-68页 |
| ·LapRLS和NetLapRLS用于药物-蛋白相互作用预测 | 第68-71页 |
| ·实验结果 | 第71-78页 |
| ·交叉验证下的结果分析 | 第71-72页 |
| ·最终预测结果分析 | 第72-78页 |
| ·本章小结 | 第78-82页 |
| 5 基于图的弹性网算法用于基因数据分析中的参数选择和模块辨识 | 第82-100页 |
| 本章摘要 | 第82页 |
| ·引言 | 第82-84页 |
| ·问题描述 | 第84-87页 |
| ·优化算法 | 第87-90页 |
| ·LARS(Least Angle Regression) | 第87页 |
| ·提出新的全路径算法解决GENet | 第87-90页 |
| ·GENet群效应特性的理论分析 | 第90-92页 |
| ·仿真结果 | 第92-94页 |
| ·实际数据分析 | 第94-98页 |
| ·本章小结 | 第98-100页 |
| 6 三维CT图像和FMT(荧光分子断层)图像的配准研究 | 第100-122页 |
| 本章摘要 | 第100页 |
| ·引言 | 第100-102页 |
| ·问题描述 | 第102-105页 |
| ·序贯蒙特卡罗优化算法 | 第105-109页 |
| ·浓缩法(条件密度传播) | 第105-106页 |
| ·用于配准的动态模型 | 第106-108页 |
| ·用于配准的观测模型 | 第108页 |
| ·仿真实验结果 | 第108-109页 |
| ·结合差分进化和改进的单纯形法的优化算法 | 第109-120页 |
| ·算法过程 | 第109-111页 |
| ·算法小结 | 第111-112页 |
| ·仿真数据 | 第112-120页 |
| ·本章小结 | 第120-122页 |
| 7 总结和展望 | 第122-126页 |
| ·全文总结 | 第122-124页 |
| ·研究展望 | 第124-125页 |
| ·本章小结 | 第125-126页 |
| 参考文献 | 第126-136页 |
| 附录A 攻博期间完成的论文及参与的项目 | 第136-138页 |
| A.1 攻博期间完成的论文 | 第136-138页 |
| A.2 参与的科研项目 | 第138页 |
