| 提要 | 第1-7页 |
| 第1章 绪论 | 第7-10页 |
| ·研究背景 | 第7-8页 |
| ·国内外发展趋势 | 第8页 |
| ·本文主要工作及结构 | 第8-10页 |
| 第2章 机器学习与支持向量机 | 第10-16页 |
| ·机器学习简介 | 第10-12页 |
| ·机器学习的基本结构与主要策略 | 第10-11页 |
| ·几种常见的学习方法 | 第11-12页 |
| ·支持向量机 | 第12-16页 |
| ·支持向量机原理 | 第12-14页 |
| ·核函数 | 第14-15页 |
| ·支持向量机的训练算法 | 第15-16页 |
| 第3章 microRNA相关知识介绍及其预测研究进展 | 第16-23页 |
| ·microRNA的发现、形成及功能. | 第16-18页 |
| ·microRNA的发现 | 第16页 |
| ·microRNA的形成 | 第16-18页 |
| ·microRNA的作用机制和功能 | 第18页 |
| ·microRNA及其前体的生物学特征. | 第18-20页 |
| ·microRNA前体 | 第18-19页 |
| ·pre-microRNA的生物学特征 | 第19-20页 |
| ·预测microRNA的生物信息学方法. | 第20-23页 |
| 第4章 基于Basic-N-Units特征的IOT-SVM预测方法 | 第23-32页 |
| ·数据集的建立 | 第23-26页 |
| ·microRNA数据库 | 第23-25页 |
| ·正负样本的选取 | 第25-26页 |
| ·三元组编码方法的改进 | 第26-28页 |
| ·三元组编码方法 | 第26-27页 |
| ·IOT——三元组编码的改进 | 第27-28页 |
| ·Basic-N-Units特征 | 第28-32页 |
| ·pre-miRNA茎部匹配的连续性 | 第29-30页 |
| ·Basic-N-Units特征 | 第30页 |
| ·N的确定 | 第30-32页 |
| 第5章 实验过程与结果分析 | 第32-42页 |
| ·实验数据的预处理 | 第32-35页 |
| ·训练集和测试集的建立 | 第32-33页 |
| ·数据的预处理 | 第33-35页 |
| ·训练过程 | 第35-37页 |
| ·特征选择与LibSVM | 第35-36页 |
| ·训练与预测过程 | 第36-37页 |
| ·实验结果与分析 | 第37-42页 |
| ·敏感度、特异性与准确度 | 第37-38页 |
| ·实验结果 | 第38-39页 |
| ·与其他方法的比较 | 第39-42页 |
| 第6章 总结与展望 | 第42-45页 |
| ·论文总结 | 第42-43页 |
| ·工作展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 在校期间发表论文 | 第48-49页 |
| 致谢 | 第49-50页 |
| 摘要 | 第50-52页 |
| Abstract | 第52-54页 |