| 中文摘要 | 第1-11页 |
| Abstract | 第11-13页 |
| 第一章 绪论 | 第13-27页 |
| ·研究背景 | 第13-15页 |
| ·生物数据 | 第15-18页 |
| ·研究现状 | 第18-24页 |
| ·本文结构 | 第24-27页 |
| 第二章 静态数据建模的模糊推理方法 | 第27-77页 |
| ·模糊系统逼近理论 | 第27-53页 |
| ·引言 | 第27-32页 |
| ·模糊集合形状与函数逼近能力 | 第32-40页 |
| ·常用模糊集合形状比较分析 | 第40-50页 |
| ·高维情形 | 第50-53页 |
| ·协同进化粒子群优化方法 | 第53-64页 |
| ·引言 | 第53-54页 |
| ·种群更新规则 | 第54-56页 |
| ·鲁棒粒子群优化算法 | 第56-59页 |
| ·数值模拟 | 第59-64页 |
| ·基于概率模糊推理的蛋白质信号转导网络建模 | 第64-77页 |
| ·模型与算法 | 第64-69页 |
| ·数据与结果 | 第69-77页 |
| 第三章 动态数据建模的Granger 因果推断方法 | 第77-107页 |
| ·引言 | 第77-78页 |
| ·基因网络建模中的Granger 因果推断方法 | 第78-92页 |
| ·Granger 因果 | 第78-79页 |
| ·偏Granger 因果 | 第79-83页 |
| ·实验结果 | 第83-92页 |
| ·时变波动情况下的Granger 因果 | 第92-107页 |
| ·AR-BEKK 模型 | 第93-94页 |
| ·时域上的因果定义 | 第94-97页 |
| ·频域上的因果定义 | 第97-99页 |
| ·模拟验证 | 第99-105页 |
| ·帕金森病人数据 | 第105-107页 |
| 第四章 序列和结构数据建模的局部网络方法 | 第107-133页 |
| ·引言 | 第107-108页 |
| ·基于局部网络信息的蛋白质接触位点预测 | 第108-122页 |
| ·蛋白质序列和结构数据 | 第108-114页 |
| ·氨基酸倾向性计算 | 第114-116页 |
| ·i-Patch 打分算法 | 第116-122页 |
| ·结果与讨论 | 第122-133页 |
| ·数据 | 第122-123页 |
| ·表面/ 内部信息可以提高算法准确率 | 第123-124页 |
| ·蛋白质表面局部网络信息有助于预测 | 第124-125页 |
| ·算法性能对比 | 第125-126页 |
| ·i-Patch 在细菌趋化性蛋白质复合物中的应用 | 第126-133页 |
| 第五章 结束语 | 第133-137页 |
| ·工作总结 | 第133-136页 |
| ·工作展望 | 第136-137页 |
| 致谢 | 第137-139页 |
| 参考文献 | 第139-161页 |
| 作者在学期间取得的学术成果 | 第161-163页 |