机器学习及数据挖掘在生物信息学中的应用研究
提要 | 第4-5页 |
摘要 | 第5-9页 |
Abstract | 第9-12页 |
第1章 绪论 | 第16-22页 |
1.1 生物信息学概述 | 第16-18页 |
1.1.1 生物信息学研究内容 | 第16-17页 |
1.1.2 生物信息学研究方法 | 第17-18页 |
1.2 本文使用的相关算法概述 | 第18-20页 |
1.2.1 人工神经网络(ANN) | 第18-19页 |
1.2.2 支持向量机(SVM) | 第19页 |
1.2.3 马尔科夫聚类算法(MCL) | 第19-20页 |
1.3 本文工作 | 第20-22页 |
第2章 本文研究背景和方法基础 | 第22-38页 |
2.1 操纵子预测相关背景 | 第22-28页 |
2.1.1 操纵子简介 | 第22页 |
2.1.2 操纵子预测研究现状 | 第22-23页 |
2.1.3 操纵子预测相关属性信息 | 第23-28页 |
2.2 系统发生树构建研究背景 | 第28-33页 |
2.2.1 系统发生树简介 | 第28页 |
2.2.2 原核生物系统发生树构建研究现状 | 第28-29页 |
2.2.3 系统发生树构建相关数据 | 第29-33页 |
2.3 特征选择在基因芯片中的研究背景 | 第33-38页 |
2.3.1 特征选择在基因芯片中的应用 | 第33-34页 |
2.3.2 基于微阵列数据的特征选择算法研究现状 | 第34-36页 |
2.3.3 特征选择算法研究相关基础 | 第36-38页 |
第3章 微生物操纵子预测相关方法 | 第38-54页 |
3.1 操纵子预测前期工作基础 | 第38-40页 |
3.1.1 预测问题定义 | 第38页 |
3.1.2 数据预处理 | 第38-40页 |
3.1.3 结果的评价 | 第40页 |
3.2 基于神经网络的操纵子预测模型 | 第40-45页 |
3.2.1 模型描述 | 第40-41页 |
3.2.2 模型具体流程 | 第41-42页 |
3.2.3 实验结果 | 第42-45页 |
3.3 基于图聚类方法的操纵子预测模型 | 第45-52页 |
3.3.1 模型描述 | 第45-46页 |
3.3.2 模型具体流程 | 第46-48页 |
3.3.3 实验结果 | 第48-52页 |
3.4 本章小结 | 第52-54页 |
第4章 原核生物系统发生树构建方法 | 第54-76页 |
4.1 系统发生树构建的前期工作基础 | 第54-55页 |
4.1.1 构建问题定义 | 第54页 |
4.1.2 结果性能估计 | 第54-55页 |
4.2 基于连续直系同源基因的系统发生树构建方法 | 第55-60页 |
4.2.1 方法描述 | 第55页 |
4.2.2 方法具体流程 | 第55-58页 |
4.2.3 实验结果 | 第58-60页 |
4.3 基于保守基因簇的系统发生树构建方法 | 第60-75页 |
4.3.1 方法描述 | 第60-61页 |
4.3.2 方法具体流程 | 第61-70页 |
4.3.3 实验结果 | 第70-75页 |
4.4 本章小结 | 第75-76页 |
第5章 基于微阵列数据的特征选择算法 | 第76-103页 |
5.1 特征选择前期工作基础 | 第76-77页 |
5.1.1 特征选择问题定义 | 第76页 |
5.1.2 数据预处理 | 第76页 |
5.1.3 结果性能评价 | 第76-77页 |
5.2 基于改进信噪比的无关基因剔除方法 | 第77-82页 |
5.2.1 算法描述 | 第77页 |
5.2.2 算法具体流程 | 第77-79页 |
5.2.3 实验结果 | 第79-82页 |
5.3 多阶段特征选择算法 | 第82-93页 |
5.3.1 算法描述 | 第82-83页 |
5.3.2 算法具体流程 | 第83-86页 |
5.3.3 实验结果 | 第86-93页 |
5.4 双向局部化特征选择算法 | 第93-101页 |
5.4.1 算法描述 | 第93-94页 |
5.4.2 算法具体流程 | 第94-97页 |
5.4.3 实验结果 | 第97-101页 |
5.5 本章小结 | 第101-103页 |
第6章 结论与展望 | 第103-106页 |
参考文献 | 第106-113页 |
作者简介及在学期间所取得的科研成果 | 第113-115页 |
致谢 | 第115页 |