内容提要 | 第1-9页 |
第1章 绪论 | 第9-15页 |
·研究背景 | 第9-11页 |
·生物信息学 | 第9-10页 |
·基于机器学习的生物信息学 | 第10-11页 |
·本文工作 | 第11-15页 |
·研究方法 | 第11-12页 |
·主要研究内容和章节安排 | 第12-15页 |
第2章 生物信息学与机器学习相关算法 | 第15-43页 |
·引言 | 第15-16页 |
·生物信息学中的操纵子预测研究 | 第16-23页 |
·操纵子的定义 | 第16页 |
·操纵子预测的研究现状 | 第16-18页 |
·操纵子预测数据源 | 第18-20页 |
·操纵子预测相关数据库 | 第20-22页 |
·操纵子预测相关前期工作 | 第22-23页 |
·生物信息学中pathway预测研究 | 第23-27页 |
·pathway预测 | 第23-24页 |
·pathway预测的研究现状 | 第24-26页 |
·pathway预测的前期工作 | 第26-27页 |
·生物信息学中癌症分类方法的研究现状 | 第27-29页 |
·机器学习相关算法 | 第29-42页 |
·遗传算法 | 第30-32页 |
·决策树 | 第32-40页 |
·粗糙集理论基本知识 | 第40-42页 |
·本章小结 | 第42-43页 |
第3章 基于变精度粗糙集的决策树构造方法研究 | 第43-55页 |
·引言 | 第43页 |
·基于粗糙集的决策树构造方法 | 第43-45页 |
·基于变精度粗糙集(VPRSM)的决策树构造方法 | 第45-50页 |
·基本概念 | 第45-46页 |
·基于变精度粗糙集的决策树构造方法 | 第46-47页 |
·基于变精度粗糙集的决策树构造方法的一个例子 | 第47-50页 |
·实验结果 | 第50-53页 |
·数据集 | 第50-52页 |
·VPRSM算法与C4.5 算法的比较 | 第52-53页 |
·本章小结 | 第53-55页 |
第4章 基于多方法引导的遗传算法的操纵子预测 | 第55-71页 |
·引言 | 第55页 |
·数据准备 | 第55-56页 |
·初始种群 | 第56页 |
·适应度函数 | 第56-63页 |
·基于局部熵最小化的基因间距离 | 第58-61页 |
·新陈代谢通路 | 第61页 |
·COG基因功能 | 第61页 |
·基因对的微阵列表达值的相关系数 | 第61-63页 |
·选择、交叉和变异 | 第63-64页 |
·实验结果 | 第64-69页 |
·评价方法 | 第64-65页 |
·实验结果 | 第65-69页 |
·本章小结 | 第69-71页 |
第5章 基于变精度粗糙集的操纵子预测方法 | 第71-81页 |
·引言 | 第71页 |
·基于变精度粗糙集的操纵子预测 | 第71-77页 |
·数据准备 | 第71-72页 |
·基因组特征属性 | 第72-75页 |
·基于变精度粗糙集的操纵子预测 | 第75-77页 |
·实验结果及分析 | 第77-80页 |
·实验结果 | 第77-78页 |
·实验结果分析 | 第78-80页 |
·本章小结 | 第80-81页 |
第6章 基于信息熵的改进k-TSP癌症分类方法研究 | 第81-93页 |
·引言 | 第81页 |
·基于信息熵的改进k-TSP方法 | 第81-87页 |
·基因表达数据集 | 第81-82页 |
·k-TSP分类方法 | 第82-84页 |
·基于信息熵的改进k-TSP方法 | 第84-86页 |
·估计参数k与准确率的方法 | 第86-87页 |
·实验结果 | 第87-89页 |
·评价方法 | 第87页 |
·实验结果 | 第87-89页 |
·结果分析与讨论 | 第89-91页 |
·分类器中使用的基因个数 | 第89页 |
·用于微阵列分析的Pathway信息 | 第89-90页 |
·Ik-TSP分类器的生物意义 | 第90-91页 |
·本章小结 | 第91-93页 |
第7章 展望 | 第93-95页 |
·本文总结 | 第93-94页 |
·进一步设想 | 第94-95页 |
参考文献 | 第95-108页 |
攻读博士学位期间(待)发表的学术论文及取得的科研成果 | 第108-110页 |
致谢 | 第110-111页 |
摘要 | 第111-114页 |
Abstract | 第114-116页 |