| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 主要符号对照表 | 第8-9页 |
| 第1章 引言 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究问题和现状 | 第10-13页 |
| 1.2.1 基因组数据中的信号识别 | 第10-11页 |
| 1.2.2 高维基因数据中的变量选择和参数估计 | 第11-13页 |
| 1.3 本文主要研究内容 | 第13页 |
| 1.4 全文结构 | 第13-15页 |
| 第2章 全基因组序列中的信号区域识别方法 | 第15-54页 |
| 2.1 统计模型与方法 | 第15-18页 |
| 2.1.1 广义线性模型下的单体SNP检验 | 第15页 |
| 2.1.2 基于扫描统计量的信号区域检测方法 | 第15-16页 |
| 2.1.3 规范化L2扫描方法 | 第16-17页 |
| 2.1.4 多信号区域检测算法 | 第17-18页 |
| 2.2 渐近性质 | 第18-21页 |
| 2.2.1 族错误率控制 | 第19-20页 |
| 2.2.2 功效分析 | 第20-21页 |
| 2.3 随机模拟 | 第21-33页 |
| 2.4 肺癌全基因组关联研究中的应用 | 第33-36页 |
| 2.5 定理的证明 | 第36-54页 |
| 2.5.1 定理2.1的证明 | 第36-39页 |
| 2.5.2 定理2.2的证明 | 第39-54页 |
| 第3章 广义线性模型下基于SELO惩罚的参数估计和变量选择 | 第54-89页 |
| 3.1 统计模型与方法 | 第54-57页 |
| 3.1.1 惩罚似然方法 | 第54-55页 |
| 3.1.2 SELO惩罚和SELO-GLM方法 | 第55-56页 |
| 3.1.3 坐标下降法 | 第56-57页 |
| 3.2 理论性质 | 第57-61页 |
| 3.2.1 SELO-GLM估计的Oracle性质 | 第57-59页 |
| 3.2.2 SELO-GLM中调整参数的选择 | 第59-61页 |
| 3.3 随机模拟 | 第61-66页 |
| 3.4 应用实例 | 第66页 |
| 3.5 定理的证明 | 第66-89页 |
| 3.5.1 定理3.1的证明 | 第66-79页 |
| 3.5.2 定理3.2的证明 | 第79-89页 |
| 第4章 总结和展望 | 第89-91页 |
| 4.1 总结 | 第89页 |
| 4.2 展望 | 第89-91页 |
| 参考文献 | 第91-94页 |
| 致谢 | 第94-96页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第96页 |