| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 问题描述及国内外研究现状 | 第8-9页 |
| 1.2.1 问题描述 | 第8页 |
| 1.2.2 研究现状 | 第8-9页 |
| 1.3 本文主要研究内容和主要工作 | 第9页 |
| 1.4 本文的章节组织 | 第9-11页 |
| 第二章 双向聚类分析综述 | 第11-23页 |
| 2.1 传统聚类算法 | 第11-13页 |
| 2.2 双向聚类的定义 | 第13-14页 |
| 2.3 双向聚类的类型、模式与结构 | 第14-17页 |
| 2.3.1 双向聚类的类型 | 第14-15页 |
| 2.3.2 双向聚类的模式 | 第15-16页 |
| 2.3.3 双向聚类的结构 | 第16-17页 |
| 2.4 主要的双向聚类算法 | 第17-19页 |
| 2.5 双向聚类算法评价指标介绍 | 第19-20页 |
| 2.6 δ-Bicluster 算法分析 | 第20-23页 |
| 2.6.1 δ-Bicluster 算法描述 | 第20-22页 |
| 2.6.2 δ-Bicluster 算法优缺点分析 | 第22-23页 |
| 第三章 ProBicluster 算法的总体设计与描述 | 第23-36页 |
| 3.1 ProBicluster 算法设计与描述 | 第23-30页 |
| 3.1.1 ProBicluster 算法设计 | 第23-28页 |
| 3.1.2 ProBicluster 算法描述 | 第28-29页 |
| 3.1.3 ProBicluster 算法实现流程 | 第29-30页 |
| 3.2 ProBicluster 算法的参数研究 | 第30-31页 |
| 3.3 双向聚类算法评价 | 第31-33页 |
| 3.3.1 人工模拟数据集 | 第31-32页 |
| 3.3.2 算法结果比较分析 | 第32-33页 |
| 3.4 基于ProBicluster 的数据分析平台的设计与实现 | 第33-36页 |
| 3.4.1 数据分析平台的功能分析 | 第33-34页 |
| 3.4.2 数据分析平台的整体架构 | 第34-35页 |
| 3.4.3 数据分析平台的软件实现 | 第35-36页 |
| 第四章 酵母菌细胞周期数据上基因与条件的关联分析 | 第36-42页 |
| 4.1 实验数据的获取 | 第36页 |
| 4.2 数据的预处理 | 第36-37页 |
| 4.3 实验结果比较及分析 | 第37-42页 |
| 第五章 基因表达与药物活性数据上基因与药物的关联分析 | 第42-48页 |
| 5.1 实验数据的获取 | 第42-43页 |
| 5.2 数据的预处理 | 第43页 |
| 5.3 基因与药物的关联矩阵构建 | 第43页 |
| 5.4 实验结果与分析 | 第43-48页 |
| 5.4.1 主要结果 | 第43-45页 |
| 5.4.2 结果分析 | 第45-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 6.1 全文总结 | 第48-49页 |
| 6.2 工作展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 附录 | 第54-56页 |
| 致谢 | 第56页 |
