首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

机器学习方法及其在生物信息学领域中的应用

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

论文共116页,点击 下载论文
上一篇:控制受限的非完整轮式移动机器人运动控制研究
下一篇:群体机器人系统协同行为研究