| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题背景 | 第12-13页 |
| 1.2 研究目的及意义 | 第13-14页 |
| 1.3 国内外相关技术发展现状 | 第14-16页 |
| 1.3.1 基于实验数据驱动的micro RNA识别方法 | 第14页 |
| 1.3.2 基于序列或结构保守性的micro RNA识别方法 | 第14-15页 |
| 1.3.3 基于机器学习的micro RNA识别方法 | 第15-16页 |
| 1.4 本文的主要研究内容和内容安排 | 第16-20页 |
| 1.4.1 主要研究内容 | 第16-18页 |
| 1.4.2 本文内容安排 | 第18-20页 |
| 第2章 基于伪结构状态成分的micro RNA识别方法 | 第20-31页 |
| 2.1 引言 | 第20页 |
| 2.2 microRNA二级结构的预测 | 第20-21页 |
| 2.3 数据集的构建 | 第21-23页 |
| 2.4 预测方法 | 第23-27页 |
| 2.4.1 伪二级结构状态成分（PseSSC） | 第23-25页 |
| 2.4.2 micro RNA识别模型的建立 | 第25-26页 |
| 2.4.3 留一评价方法 | 第26-27页 |
| 2.5 实验结果与分析 | 第27-30页 |
| 2.5.1 性能评价指标 | 第27-28页 |
| 2.5.2 性能评估 | 第28-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 基于结构距离状态对的microRNA识别方法 | 第31-42页 |
| 3.1 引言 | 第31页 |
| 3.2 二级结构距离状态对 | 第31-33页 |
| 3.3 伪二级结构距离状态对成分 | 第33-35页 |
| 3.4 实验结果与分析 | 第35-41页 |
| 3.4.1 性能评价指标 | 第35页 |
| 3.4.2 预测模型的性能评估 | 第35-39页 |
| 3.4.3 预测模型的时间复杂度分析 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于有间N元二级结构状态组的microRNA识别方法 | 第42-49页 |
| 4.1 引言 | 第42页 |
| 4.2 预测方法 | 第42-45页 |
| 4.2.1 有间n元二级结构状态组（GSSC） | 第42-43页 |
| 4.2.2 GSSC向量化方法 | 第43页 |
| 4.2.3 microRNA预测模型的构建与优化 | 第43-45页 |
| 4.3 实验结果与分析 | 第45-48页 |
| 4.3.1 性能评价指标 | 第45-46页 |
| 4.3.2 性能评估 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 基于集成学习策略的micro RNA识别方法 | 第49-55页 |
| 5.1 引言 | 第49页 |
| 5.2 集成学习策略 | 第49-50页 |
| 5.3 集成分类模型的构建 | 第50-51页 |
| 5.4 实验结果与分析 | 第51-54页 |
| 5.4.1 基准数据集 | 第51-52页 |
| 5.4.2 独立测试集 | 第52-53页 |
| 5.4.3 跨物种数据集 | 第53-54页 |
| 5.5 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第62-65页 |
| 致谢 | 第65页 |
