| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文研究工作和内容 | 第12-13页 |
| 1.4 论文结构 | 第13-15页 |
| 第二章 相关理论与技术 | 第15-27页 |
| 2.1 基因 | 第15-16页 |
| 2.2 LncRNA | 第16-18页 |
| 2.3 EFs | 第18-19页 |
| 2.4 高斯相互作用属性核相似性 | 第19-21页 |
| 2.5 论文中的实验数据来源与数据处理 | 第21-24页 |
| 2.6 论文中的性能评价方法和指标 | 第24-26页 |
| 2.6.1 性能评价方法 | 第24页 |
| 2.6.2 性能评价指标 | 第24-26页 |
| 2.7 本章小结 | 第26-27页 |
| 第三章 基于拉普拉斯正则化最小二乘法的LncRNA和EFs关联关系预测方法 | 第27-38页 |
| 3.1 算法描述 | 第27-29页 |
| 3.2 预测结果及分析 | 第29-36页 |
| 3.2.1 预测结果分析方法及流程 | 第29页 |
| 3.2.2 预测结果和分析 | 第29-36页 |
| 3.3 本章小结 | 第36-38页 |
| 第四章 基于KATZ方法的LncRNA和EFs关联关系预测方法 | 第38-49页 |
| 4.1 算法描述 | 第38-41页 |
| 4.1.1 KATZ方法描述 | 第38页 |
| 4.1.2 基于KATZ方法的LncRNA和EFs关联关系预测方法 | 第38-39页 |
| 4.1.3 基于高斯相互作用属性核相似性的KATZ方法 | 第39-40页 |
| 4.1.4 算法实现过程 | 第40-41页 |
| 4.2 实验结果与分析 | 第41-48页 |
| 4.2.1 实验方法及流程 | 第41页 |
| 4.2.2 实验结果分析 | 第41-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第五章 基于双随机游走算法的LncRNA和EFs关联关系预测方法 | 第49-66页 |
| 5.1 构建异构网络 | 第49页 |
| 5.2 循环二分图 | 第49-50页 |
| 5.3 基于网络的随机游走算法 | 第50-51页 |
| 5.4 双随机游走算法 | 第51-52页 |
| 5.5 双随机游走算法的改进 | 第52-54页 |
| 5.6 实验结果和分析 | 第54-65页 |
| 5.6.1 实验数据预处理 | 第54-55页 |
| 5.6.2 实验方法及流程 | 第55页 |
| 5.6.3 实验结果分析 | 第55-65页 |
| 5.7 本章小结 | 第65-66页 |
| 第六章 总结 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 攻读博士/硕士学位期间取得的研究成果 | 第74-75页 |
| 致谢 | 第75-76页 |
| IV-2 答辩委员会对论文的评定意见 | 第76页 |
