| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题背景及研究的目的和意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-14页 |
| 1.3.1 基于同源性分类方法研究现状 | 第11-12页 |
| 1.3.2 基于预测的分类方法研究现状 | 第12-14页 |
| 1.4 本文主要研究内容 | 第14-15页 |
| 1.5 本文组织结构 | 第15-17页 |
| 第2章 相关技术知识综述 | 第17-29页 |
| 2.1 引言 | 第17页 |
| 2.2 基因测序技术简介 | 第17-19页 |
| 2.3 宏基因组学研究相关知识介绍 | 第19-21页 |
| 2.3.1 宏基因组学基本概念 | 第19页 |
| 2.3.2 16S rRNA基因特点及其应用 | 第19-20页 |
| 2.3.3 宏基因组学技术的主要应用 | 第20-21页 |
| 2.4 集成分类分析流程研究 | 第21-23页 |
| 2.4.1 QIIME集成分类分析流程 | 第21页 |
| 2.4.2 Mothur集成分类分析流程 | 第21-22页 |
| 2.4.3 宏基因组参考数据库 | 第22-23页 |
| 2.5 基于预测的16SrRNA样本数据分类方法 | 第23-27页 |
| 2.6 本章小结 | 第27-29页 |
| 第3章 集成学习的宏基因组测序片段分类算法设计 | 第29-43页 |
| 3.1 引言 | 第29页 |
| 3.2 分类的特征提取 | 第29-31页 |
| 3.3 基于宏基因组数据的OTU聚类预处理 | 第31-36页 |
| 3.3.1 宏基因组学聚类算法分析 | 第31-34页 |
| 3.3.2 基于狄利克雷过程混合模型聚类算法 | 第34-36页 |
| 3.4 基于集成学习的分类算法研究 | 第36-40页 |
| 3.4.1 集成学习分类模型的构建 | 第36-38页 |
| 3.4.2 集成学习方法结合策略 | 第38-39页 |
| 3.4.3 宏基因组16SrRNA片段分析流的构建 | 第39-40页 |
| 3.5 基于局部敏感哈希的近邻分类算法 | 第40-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 实验结果和分析 | 第43-56页 |
| 4.1 引言 | 第43页 |
| 4.2 实验数据与数据预处理 | 第43-45页 |
| 4.3 实验评价标准 | 第45-46页 |
| 4.4 实验结果 | 第46-55页 |
| 4.5 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-65页 |
| 致谢 | 第65页 |