| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-20页 |
| ·课题背景 | 第10-14页 |
| ·MicroRNA 生成及作用机制 | 第11-13页 |
| ·miRNA 靶标检测的生物学方法 | 第13-14页 |
| ·生物信息学算法 | 第14页 |
| ·研究背景和意义 | 第14-18页 |
| ·miRNA 靶标预测算法研究现状 | 第14-17页 |
| ·miRNA 靶标预测算法性能评估及研究意义 | 第17-18页 |
| ·本文研究思路和内容 | 第18-19页 |
| ·本文组织结构 | 第19-20页 |
| 第2章 支持向量机理论概述 | 第20-25页 |
| ·统计学习理论与支持向量机 | 第20-24页 |
| ·统计学习理论 | 第20-22页 |
| ·支持向量机理论 | 第22-24页 |
| ·核函数 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于新型 SVM 的 miRNA 靶标分类器 | 第25-37页 |
| ·miRNA 靶标二分类识别分析 | 第25-28页 |
| ·miRNA 靶标预测问题分析 | 第25-26页 |
| ·miRNA 靶标识别规则 | 第26-28页 |
| ·SVM-MRFS 算法分析 | 第28-32页 |
| ·一种新型 SVM 分类器引入 | 第28-30页 |
| ·SVM-MRFS 算法设计 | 第30-32页 |
| ·SVM-MRFS 算法预测 miRNA 靶标 | 第32-36页 |
| ·数据集的选择 | 第33-34页 |
| ·miRNA:Target 作用特征提取 | 第34-35页 |
| ·SVM-MRFS 算法预测 miRNA 靶标分析 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于 SVM-RRFD 算法的 miRNA 靶标预测 | 第37-43页 |
| ·SVM-MRFS 算法的改进设计 | 第37-38页 |
| ·v -SVM分类器选择 | 第38页 |
| ·SVM-RRFD 算法 | 第38-41页 |
| ·算法设计思想 | 第38-40页 |
| ·特征冗余度分析 | 第40页 |
| ·SVM-RRFD 算法设计 | 第40-41页 |
| ·SVM-RRFD 算法预测 miRNA 靶标分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 实验与结果分析 | 第43-53页 |
| ·实验环境与样本集获取 | 第43-44页 |
| ·评价标准 | 第44-45页 |
| ·实验步骤 | 第45-52页 |
| ·SVM-MRFS 算法构建 miRNA 靶标预测模型 | 第45-47页 |
| ·SVM-RRFD 算法预测 miRNA 靶标 | 第47-50页 |
| ·实验结果分析 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第58-59页 |
| 致谢 | 第59-60页 |
| 作者简介 | 第60页 |
