| 英文缩略语词表 | 第1-6页 |
| 中文摘要 | 第6-9页 |
| 英文摘要 | 第9-13页 |
| 引言 | 第13-16页 |
| 第一章 基于遗传算法和支持向量机的miRNA 预测方法研究 | 第16-24页 |
| 第一节 数据与方法 | 第16-19页 |
| 1. 数据来源与数据集选取 | 第16-17页 |
| 2. 特征提取 | 第17页 |
| 3. 支持向量机方法 | 第17-18页 |
| 4. 遗传算法 | 第18页 |
| 5. 基于GA 与SVM 构建分类模型 | 第18-19页 |
| 第二节 结果 | 第19-22页 |
| 1. 分类器性能 | 第19-20页 |
| 2. 与其他分类器的比较 | 第20-22页 |
| 第三节 讨论 | 第22-24页 |
| 1. 通过GA 搜索SVM 相关参数提高分类器的性能 | 第22-24页 |
| 第二章 基于属性bagging 和支持向量机集成的miRNA 预测方法研究 | 第24-33页 |
| 第一节 数据与方法 | 第24-26页 |
| 1. 数据来源与数据集选取 | 第24页 |
| 2. 特征提取 | 第24-25页 |
| 3. 属性bagging 方法 | 第25页 |
| 4. 基于属性bagging 和SVM 的分类器构建 | 第25-26页 |
| 第二节 结果 | 第26-31页 |
| 1. 分类器性能 | 第26-28页 |
| 2. 与其他分类器的比较 | 第28-31页 |
| 第三节 讨论 | 第31-33页 |
| 1. 通过属性bagging 和SVM 集成提高分类器的性能 | 第31-33页 |
| 参考文献 | 第33-39页 |
| 论文发表情况 | 第39-40页 |
| 附录 | 第40-45页 |
| 作者简历 | 第45-46页 |
| 致谢 | 第46页 |
