| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景与意义 | 第12-16页 |
| 1.2 本文的组织结构 | 第16-18页 |
| 第2章 相关工作 | 第18-30页 |
| 2.1 特征选择简介 | 第18-22页 |
| 2.1.1 特征选择定义 | 第18-19页 |
| 2.1.2 特征子集产生过程 | 第19-20页 |
| 2.1.3 特征子集评价函数 | 第20-22页 |
| 2.2 传统特征选择方法 | 第22-25页 |
| 2.2.1 Filter方法 | 第22-23页 |
| 2.2.2 Wrapper方法 | 第23-24页 |
| 2.2.3 Embedded方法 | 第24-25页 |
| 2.3 交互特征选择 | 第25-27页 |
| 2.3.1 两位点交互特征选择 | 第25-26页 |
| 2.3.2 多位点交互特征选择 | 第26-27页 |
| 2.4 Hadoop平台介绍 | 第27-29页 |
| 2.4.1 HDFS分布式文件系统 | 第27-28页 |
| 2.4.2 MapReduce分布式计算模型 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基本概念和问题定义 | 第30-42页 |
| 3.1 基本概念 | 第30-39页 |
| 3.1.1 极大公共子序列 | 第30-32页 |
| 3.1.2 最小独立支配集 | 第32页 |
| 3.1.3 相关特征 | 第32-35页 |
| 3.1.4 交互特征 | 第35-39页 |
| 3.2 问题定义 | 第39-40页 |
| 3.3 本章小结 | 第40-42页 |
| 第4章 基于MapReduce的全基因组关联分析算法 | 第42-58页 |
| 4.1 整体框架 | 第42-44页 |
| 4.2 关联区域划分 | 第44-45页 |
| 4.2.1 极大公共子序列 | 第44-45页 |
| 4.2.2 区域划分算法 | 第45页 |
| 4.3 关联区域选择 | 第45-47页 |
| 4.3.1 区域多样性 | 第45-46页 |
| 4.3.2 区域多样性选择算法 | 第46-47页 |
| 4.4 关联区域约简 | 第47-49页 |
| 4.4.1 一致性贡献率 | 第47-48页 |
| 4.4.2 关联区域约简算法 | 第48-49页 |
| 4.5 高阶非冗余交互发现 | 第49-56页 |
| 4.5.1 多位点互信息 | 第49-53页 |
| 4.5.2 削减策略 | 第53-54页 |
| 4.5.3 高阶非冗余交互发现算法 | 第54-56页 |
| 4.6 本章小结 | 第56-58页 |
| 第5章 实验结果与性能分析 | 第58-66页 |
| 5.1 实验环境与数据集 | 第58-59页 |
| 5.2 算法效率分析 | 第59-62页 |
| 5.2.1 单机效率分析 | 第59-61页 |
| 5.2.2 集群效率分析 | 第61-62页 |
| 5.3 算法有效性分析 | 第62-64页 |
| 5.3.1 生物意义 | 第62-63页 |
| 5.3.2 分类准确率 | 第63-64页 |
| 5.4 本章小结 | 第64-66页 |
| 第6章 工作总结与展望 | 第66-68页 |
| 6.1 工作总结 | 第66页 |
| 6.2 工作展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-76页 |
| 攻读硕士期间发表的论文及参与的项目 | 第76页 |