基于智能算法的信息SNP选择方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-20页 |
| ·研究背景 | 第11-12页 |
| ·HAPMAP 计划 | 第12-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·基于连锁不平衡（LD）的方法 | 第14-15页 |
| ·基于 block 的方法 | 第15-16页 |
| ·基于预测准确度的方法 | 第16-17页 |
| ·本文的技术路线及研究内容 | 第17-18页 |
| ·本文结构安排 | 第18-20页 |
| 第2章 基于预测准确度的主要研究方法 | 第20-35页 |
| ·引言 | 第20页 |
| ·基于预测准确度方法的主要步骤 | 第20-22页 |
| ·信息 SNP 子集构造方法 | 第22-28页 |
| ·贪婪算法 | 第22-23页 |
| ·动态规划算法 | 第23-24页 |
| ·遗传算法 | 第24-27页 |
| ·粒子群算法 | 第27-28页 |
| ·非信息 SNP 预测方法 | 第28-34页 |
| ·多元线性回归 | 第28-30页 |
| ·支持向量机 | 第30-32页 |
| ·人工神经网络 | 第32-34页 |
| ·小结 | 第34-35页 |
| 第3章 基于智能算法的信息 SNP 选择方法 | 第35-45页 |
| ·数据编码 | 第35-36页 |
| ·基于蚁群算法的信息 SNP 子集构造 | 第36-40页 |
| ·蚁群算法基本原理 | 第36-37页 |
| ·路径选择及自适应信息素更新机制 | 第37-38页 |
| ·启发式函数 | 第38-39页 |
| ·蚁群算法构造信息 SNP 子集的伪代码 | 第39-40页 |
| ·基于人工神经网络的非信息 SNP 预测 | 第40-43页 |
| ·输入函数 | 第40页 |
| ·输出函数 | 第40-41页 |
| ·神经元的变换函数 | 第41页 |
| ·最小均方学习规则 | 第41-42页 |
| ·ANN 重构非信息 SNP 的伪代码 | 第42-43页 |
| ·本文方法流程图 | 第43-44页 |
| ·小结 | 第44-45页 |
| 第4章 仿真实验及结果分析 | 第45-54页 |
| ·仿真平台 | 第45-47页 |
| ·模块设计 | 第45-46页 |
| ·系统效果 | 第46-47页 |
| ·实验数据 | 第47-48页 |
| ·真实数据集 | 第47-48页 |
| ·模拟数据集 | 第48页 |
| ·实验结果及评价 | 第48-53页 |
| ·交叉验证 | 第49页 |
| ·结果分析及比较 | 第49-53页 |
| ·小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61页 |
