复杂生物网络中的稠密子图挖掘算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-21页 |
| ·复杂网络简介 | 第9-11页 |
| ·生物网络简介 | 第11-12页 |
| ·复杂网络聚类算法综述 | 第12-18页 |
| ·基于凝聚思想的算法 | 第13-15页 |
| ·基于分解思想的算法 | 第15-18页 |
| ·本文的组织结构 | 第18-21页 |
| 第二章 图论及相关知识介绍 | 第21-29页 |
| ·图论的相关基本概念 | 第21-23页 |
| ·度与度分布 | 第23页 |
| ·图中常见的几种测度 | 第23-28页 |
| ·割、最小割和规范割 | 第23-24页 |
| ·点中介性和边中介性 | 第24-27页 |
| ·聚类系数 | 第27页 |
| ·边聚类系数 | 第27-28页 |
| ·模块性 | 第28页 |
| ·小结 | 第28-29页 |
| 第三章 稠密子图挖掘研究 | 第29-35页 |
| ·边稠密度系数 | 第29-30页 |
| ·三种测度之间的相关性 | 第30-32页 |
| ·三种测度的聚类效果比较 | 第32-34页 |
| ·小结 | 第34-35页 |
| 第四章 频繁稠密点集挖掘研究 | 第35-51页 |
| ·问题描述与现有算法 | 第35-40页 |
| ·引出问题 | 第35-36页 |
| ·CODENSE 算法 | 第36-38页 |
| ·NeMo 算法 | 第38-39页 |
| ·CODENSE 和NeMo 的优缺点 | 第39-40页 |
| ·基于边稠密度系数的挖掘算法 | 第40-45页 |
| ·聚类中心 | 第40-44页 |
| ·频繁稠密点集 | 第44-45页 |
| ·实验结果 | 第45-48页 |
| ·实验数据 | 第45-46页 |
| ·参数m、p 的调节 | 第46-47页 |
| ·测试结果 | 第47-48页 |
| ·相似聚类中心对频繁稠密点集的影响 | 第48-50页 |
| ·小结 | 第50-51页 |
| 第五章 酵母基因表达数据集的测试与分析 | 第51-59页 |
| ·生物数据处理与建模 | 第51-53页 |
| ·关于GO | 第53-56页 |
| ·GO 简介 | 第53-54页 |
| ·GOEAST 简介 | 第54-56页 |
| ·实验结果与GO 分析 | 第56-59页 |
| ·实验步骤 | 第56-57页 |
| ·GO 分析 | 第57-58页 |
| ·基因功能预测 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·本文总结 | 第59页 |
| ·后续研究展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 附录A | 第65-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间取得的研究成果 | 第70页 |
