| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 DNA甲基化预测研究现状 | 第10-12页 |
| 1.3 论文结构及主要内容 | 第12-15页 |
| 第2章 DNA甲基化数据及两种预测模型 | 第15-23页 |
| 2.1 CpG位点简介 | 第15-16页 |
| 2.2 DNA甲基化数据及预处理 | 第16-18页 |
| 2.3 模型评价指标 | 第18-19页 |
| 2.4 已有DNA甲基化预测研究 | 第19-22页 |
| 2.4.1 基于随机森林模型的DNA甲基化预测 | 第20-21页 |
| 2.4.2 基于DNA序列特征信息的DNA甲基化预测 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 基于人工神经网络的DNA甲基化预测 | 第23-37页 |
| 3.1 神经网络预测模型的结构与原理 | 第23-28页 |
| 3.1.1 神经网络预测模型的结构 | 第23-25页 |
| 3.1.2 神经网络预测模型的原理 | 第25-28页 |
| 3.2 神经网络预测模型的训练 | 第28-32页 |
| 3.2.1 确定隐藏层神经元个数 | 第29-31页 |
| 3.2.2 确定训练样本 | 第31-32页 |
| 3.3 实验结果及性能分析 | 第32-37页 |
| 第4章 基于深度学习的DNA甲基化预测 | 第37-61页 |
| 4.1 基于深度神经网络的DNA甲基化预测 | 第37-44页 |
| 4.1.1 深度神经网络的基本结构及原理 | 第38-42页 |
| 4.1.2 深度神经网络的模型训练及优化 | 第42-44页 |
| 4.2 基于卷积神经网络的DNA甲基化预测 | 第44-52页 |
| 4.2.1 卷积神经网络结构及相关运算 | 第46-49页 |
| 4.2.2 卷积神经网络的模型训练及优化 | 第49-52页 |
| 4.3 结合深度学习与随机森林的DNA甲基化预测 | 第52-55页 |
| 4.4 研究结果及性能分析 | 第55-61页 |
| 4.4.1 深度神经网络与卷积神经网络预测性能分析 | 第55-56页 |
| 4.4.2 结合深度学习与随机森林的预测性能分析 | 第56-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 5.1 论文总结 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 作者简介 | 第68页 |