基于机器学习的microRNA预测
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 论文的研究内容 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-17页 |
| 第2章 相关技术概述 | 第17-25页 |
| 2.1 microRNA概述 | 第17-19页 |
| 2.1.1 microRNA特征概述 | 第17-19页 |
| 2.1.2 microRNA数据库 | 第19页 |
| 2.2 特征选择 | 第19-21页 |
| 2.2.1 常见特征选择类型 | 第19-20页 |
| 2.2.2 子集搜索与评价 | 第20-21页 |
| 2.3 支持向量机 | 第21-23页 |
| 2.4 集成学习 | 第23页 |
| 2.5 本章小结 | 第23-25页 |
| 第3章 microRNA预测模型 | 第25-39页 |
| 3.1 microRNA预测建模方法 | 第25-27页 |
| 3.1.1 建模目的 | 第25页 |
| 3.1.2 集成建模方法 | 第25-27页 |
| 3.2 microRNA特征提取 | 第27-29页 |
| 3.3 基于序列熵的分层采样算法 | 第29-32页 |
| 3.4 基于信噪比和相关性的特征选择算法 | 第32-35页 |
| 3.5 基于DS-GA的SVM参数优化算法 | 第35-37页 |
| 3.5.1 DS-GA算法 | 第35-36页 |
| 3.5.2 参数优化 | 第36-37页 |
| 3.6 本章小结 | 第37-39页 |
| 第4章 实验及结果分析 | 第39-53页 |
| 4.1 实验设计 | 第39-42页 |
| 4.1.1 实验环境 | 第39页 |
| 4.1.2 数据集 | 第39-41页 |
| 4.1.3 实验设计思路 | 第41-42页 |
| 4.2 算法实验分析 | 第42-51页 |
| 4.2.1 采样实验及分析 | 第42-44页 |
| 4.2.2 特征选择实验及分析 | 第44-48页 |
| 4.2.3 参数优化实验及分析 | 第48-51页 |
| 4.3 microRNA预测实验及分析 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第61-63页 |
| 致谢 | 第63页 |
