| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·miRNA 识别的研究意义 | 第10-11页 |
| ·miRNA 识别的研究现状 | 第11-15页 |
| ·同源片段搜索方法 | 第12-13页 |
| ·比较基因组学预测方法 | 第13页 |
| ·机器学习预测方法 | 第13-15页 |
| ·课题主要研究内容 | 第15-16页 |
| ·本文的组织结构 | 第16-17页 |
| 第2章 相关理论知识 | 第17-27页 |
| ·支持向量机 | 第17-21页 |
| ·线性可分情况 | 第17-19页 |
| ·线性不可分情况 | 第19-21页 |
| ·特征选择方法 | 第21-23页 |
| ·过滤特征选择法 | 第21-22页 |
| ·封装特征选择法 | 第22-23页 |
| ·嵌入特征选择法 | 第23页 |
| ·特征选择过程 | 第23-25页 |
| ·miRNA 识别中常用的特征选择方法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于信息增益特征选择算法的 miRNA 识别 | 第27-37页 |
| ·概述 | 第27页 |
| ·初始特征集构建 | 第27-30页 |
| ·序列特征 | 第27-28页 |
| ·结构特征 | 第28-29页 |
| ·结构-序列特征 | 第29-30页 |
| ·基于信息增益的特征选择算法 | 第30-34页 |
| ·特征的信息增益 | 第31页 |
| ·特征数目的确定 | 第31-32页 |
| ·基于信息增益的 miRNA 前体特征选择算法 | 第32-34页 |
| ·基于信息增益特征选择算法的 miRNA 识别方法 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 第4章 基于 GA-SVM 特征选择算法的 miRNA 识别 | 第37-45页 |
| ·概述 | 第37页 |
| ·基于 GA-SVM 的特征选择算法 | 第37-42页 |
| ·特征集编码 | 第37-38页 |
| ·种群初始化 | 第38页 |
| ·特征适应度计算 | 第38-39页 |
| ·生成特征子集 | 第39-40页 |
| ·基于 GA-SVM 的 miRNA 前体特征选择算法 | 第40-42页 |
| ·基于 GA-SVM 特征选择算法的 miRNA 识别方法 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 实验分析 | 第45-54页 |
| ·实验环境配置 | 第45页 |
| ·实验数据与评价指标 | 第45-49页 |
| ·数据集的获取 | 第45-47页 |
| ·特征集的构建 | 第47-48页 |
| ·评价指标 | 第48-49页 |
| ·基于信息增益特征选择算法的 miRNA 识别实验 | 第49-51页 |
| ·基于 GA-SVM 特征选择算法的 miRNA 识别实验 | 第51-52页 |
| ·实验分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士期间承担的科研任务与主要成果 | 第60-61页 |
| 致谢 | 第61-62页 |
| 作者简介 | 第62页 |
