| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-22页 |
| 1.1 研究背景和意义 | 第9-14页 |
| 1.2 研究现状及挑战 | 第14-19页 |
| 1.2.1 GWAS领域算法概述 | 第14-18页 |
| 1.2.2 GWAS领域特征选择方法概述 | 第18-19页 |
| 1.3 研究内容和创新 | 第19-20页 |
| 1.4 论文组织 | 第20-22页 |
| 第二章 GWAS基础概念及实验数据集 | 第22-30页 |
| 2.1 GWAS基础概念 | 第22-25页 |
| 2.2 实验所用虚拟数据集 | 第25-28页 |
| 2.3 真实全基因组关联分析数据集 | 第28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 穷举多目标优化算法及其在GWAS上的应用 | 第30-43页 |
| 3.1 逻辑斯蒂回归 | 第30-33页 |
| 3.1.1 逻辑斯蒂回归基本原理 | 第30-32页 |
| 3.1.2 逻辑斯蒂回归在GWAS上的应用 | 第32-33页 |
| 3.2 贝叶斯网络 | 第33-36页 |
| 3.2.1 贝叶斯网络基本原理 | 第33-34页 |
| 3.2.2 贝叶斯网络在GWAS上的应用 | 第34-36页 |
| 3.3 帕累托优化 | 第36-39页 |
| 3.3.1 帕累托优化基本原理 | 第36-38页 |
| 3.3.2 帕累托优化在GWAS上的应用 | 第38-39页 |
| 3.4 基于虚拟数据集的实验评价准则、结果及分析 | 第39-42页 |
| 3.4.1 穷尽型多目标法及评价准则 | 第39-40页 |
| 3.4.2 实验结果及分析 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于蚁群优化的多目标优化算法及其在GWAS上的应用 | 第43-61页 |
| 4.1 蚁群优化 | 第44-49页 |
| 4.1.1 蚁群优化算法生物学背景 | 第44-46页 |
| 4.1.2 蚁群算法及其在GWAS上的应用 | 第46-49页 |
| 4.2 皮尔逊卡方检验 | 第49-50页 |
| 4.3 基于蚁群优化算法的多目标优化算法 | 第50-52页 |
| 4.4 基于虚拟数据集的实验评价准则、结果及分析 | 第52-59页 |
| 4.4.1 实验评价准则 | 第52-54页 |
| 4.4.2 虚拟数据集上的结果及分析 | 第54-59页 |
| 4.5 基于真实数据集的实验结果及分析 | 第59-60页 |
| 4.6 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 总结 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 附录 实验结果数据 | 第69-76页 |
| 致谢 | 第76-77页 |
| 攻读硕士学位期间已发表或录用的论文 | 第77-79页 |