| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 引言 | 第7-11页 |
| 1.1 选题背景及意义 | 第7页 |
| 1.2 基因调控网络和动态贝叶斯网络的研究现状 | 第7-8页 |
| 1.3 文章内容与结构安排 | 第8-9页 |
| 1.4 创新之处 | 第9-11页 |
| 第二章 基因调控网络与贝叶斯网络的理论知识 | 第11-26页 |
| 2.1 基因调控网络的概念 | 第11-12页 |
| 2.1.1 生物信息学的基础知识 | 第11页 |
| 2.1.2 基因调控网络定义 | 第11-12页 |
| 2.2 基因调控网络模型 | 第12-14页 |
| 2.2.1 布尔网络模型 | 第12-13页 |
| 2.2.2 线性模型 | 第13页 |
| 2.2.3 马尔可夫模型 | 第13-14页 |
| 2.2.4 概率图模型 | 第14页 |
| 2.3 贝叶斯网络定义 | 第14-16页 |
| 2.4 贝叶斯网络参数学习 | 第16-18页 |
| 2.4.1 完备数据集下概率参数的学习 | 第16-17页 |
| 2.4.2 不完备数据集下概率参数的学习 | 第17-18页 |
| 2.5 贝叶斯网络的结构学习 | 第18-22页 |
| 2.5.1 基于相关性分析的结构学习 | 第18-19页 |
| 2.5.2 基于搜索评分的结构学习 | 第19-22页 |
| 2.6 动态贝叶斯网络 | 第22-26页 |
| 2.6.1 一阶马尔可夫过程 | 第23-24页 |
| 2.6.2 隐马尔可夫模型(HMMs Hidden Markov models) | 第24-25页 |
| 2.6.3 本章小结 | 第25-26页 |
| 第三章 基于动态贝叶斯网的基因调控网络模型 | 第26-30页 |
| 3.1 动态贝叶斯网络构建基因调控网络的方法 | 第26-27页 |
| 3.2 基因表达数据预处理 | 第27-30页 |
| 3.2.1 一种改进的k近邻均值插补法 | 第28页 |
| 3.2.2 实验结果和分析 | 第28-30页 |
| 第四章 改进的SEM算法构建基因调控网络 | 第30-37页 |
| 4.1 粒子滤波算法 | 第30-31页 |
| 4.2 SEM算法 | 第31-32页 |
| 4.3 改进的SEM算法 | 第32-33页 |
| 4.4 实验结果与分析 | 第33-36页 |
| 4.4.1 数据及数据处理 | 第33-34页 |
| 4.4.2 实验参数选择和分析 | 第34-36页 |
| 4.5 本章小结 | 第36-37页 |
| 第五章 总结与展望 | 第37-38页 |
| 5.1 总结 | 第37页 |
| 5.2 展望 | 第37-38页 |
| 参考文献 | 第38-42页 |
| 硕士期间发表及完成论文清单 | 第42-43页 |
| 致谢 | 第43页 |