| 摘要 | 第1-20页 |
| ABSTRACT | 第20-24页 |
| 第一章 绪论 | 第24-49页 |
| ·概述 | 第24-26页 |
| ·分子生物学基本知识 | 第26-32页 |
| ·分子生物学中心法则 | 第26-27页 |
| ·RNAi干扰技术 | 第27-28页 |
| ·生物遗传密码 | 第28-29页 |
| ·基因的基本结构 | 第29-31页 |
| ·基因表达调控与基因表达谱 | 第31-32页 |
| ·生物信息学的发展历程 | 第32-37页 |
| ·七十年代前期:计算研究的开创期 | 第33页 |
| ·二十世纪七十年代:理论基础的奠定 | 第33-34页 |
| ·二十世纪八十年代:更多算法和资源 | 第34-36页 |
| ·二十世纪九十年代 | 第36页 |
| ·未来展望 | 第36-37页 |
| ·课题研究的背景、意义与方法 | 第37-44页 |
| ·研究背景 | 第38-40页 |
| ·研究意义 | 第40-41页 |
| ·国内外研究现状 | 第41-43页 |
| ·研究方法 | 第43-44页 |
| ·肿瘤系统生物学 | 第44-45页 |
| ·肿瘤的致病机理 | 第44-45页 |
| ·肿瘤系统生物学简介 | 第45页 |
| ·描述符号 | 第45-46页 |
| ·论文结构与研究内容 | 第46-49页 |
| 第二章 生物序列结构可视化表示方法比较研究 | 第49-66页 |
| ·概述 | 第49-50页 |
| ·DNA序列的分形图形表示 | 第50-53页 |
| ·一维 DNA行走 | 第50-51页 |
| ·二维 DNA行走 | 第51-52页 |
| ·三维 DNA行走 | 第52页 |
| ·DNA序列的几何表示 | 第52-53页 |
| ·DNA序列的分形图形表示比较 | 第53页 |
| ·DNA序列分形图像表示 | 第53-59页 |
| ·Hao方法分形表示 | 第53-55页 |
| ·序列的混沌游戏表示 | 第55-57页 |
| ·Hao方法和CGR方法比较 | 第57-58页 |
| ·禁止子序列探讨 | 第58-59页 |
| ·迭代函数系统分形 | 第59-62页 |
| ·压缩映射 | 第59页 |
| ·迭代函数系统 | 第59-60页 |
| ·混沌自动机 | 第60-62页 |
| ·CA分形实现算法 | 第62页 |
| ·三联密码子序列分形图像表示 | 第62-64页 |
| ·本章小结 | 第64-66页 |
| 第三章 k-长DNA子序列的频数分布研究 | 第66-101页 |
| ·概述 | 第66-68页 |
| ·全基因组测序概况 | 第66-67页 |
| ·实验数据 | 第67-68页 |
| ·k-长DNA子序列频数分布 | 第68-80页 |
| ·Hao方法分形图像表示 | 第68-69页 |
| ·三维频数分布图 | 第69-70页 |
| ·DNA序列2D分形图像的成因分析 | 第70-71页 |
| ·DNA子序列对数频谱图 | 第71-73页 |
| ·DNA子序列概率分布 | 第73-80页 |
| ·实验结果分析 | 第80-85页 |
| ·频数区划分 | 第80页 |
| ·DNA禁止子序列区 | 第80-81页 |
| ·主频数区 | 第81-82页 |
| ·甚高频数区 | 第82-85页 |
| ·算法实现 | 第85-86页 |
| ·特异出现频数研究 | 第86-92页 |
| ·特异出现频数的界定 | 第86页 |
| ·k-长子序列最大出现频数 | 第86-89页 |
| ·出现频数为1的k-长子序列个数 | 第89-91页 |
| ·DNA序列结构分析与探讨 | 第91-92页 |
| ·进一步研究与分析 | 第92-96页 |
| ·DNA子序列分布的多峰现象 | 第92-94页 |
| ·非中心F分布与Gamma分布 | 第94-96页 |
| ·实验结果的生物学解释 | 第96-99页 |
| ·基因复制 | 第97页 |
| ·序列进化事件 | 第97-98页 |
| ·中性进化理论 | 第98-99页 |
| ·人类基因组计划的主要结论 | 第99页 |
| ·本章小结 | 第99-101页 |
| 第四章 k-长DNA子序列计数算法研究 | 第101-109页 |
| ·引言 | 第101页 |
| ·相关工作 | 第101-102页 |
| ·描述符号与问题定义 | 第102-104页 |
| ·内部计数算法 | 第104-105页 |
| ·算法思想 | 第104-105页 |
| ·算法性能分析 | 第105页 |
| ·外部计数算法 | 第105-108页 |
| ·算法实现 | 第105-107页 |
| ·算法性能分析 | 第107页 |
| ·外部计数算法改进 | 第107-108页 |
| ·本章小结 | 第108-109页 |
| 第五章 肿瘤亚型分类方法比较研究 | 第109-135页 |
| ·概述 | 第109-112页 |
| ·肿瘤诊断现状 | 第109页 |
| ·肿瘤的分子诊断方法 | 第109-111页 |
| ·基因表达谱的获取过程 | 第111-112页 |
| ·基因表达谱的数据表示与肿瘤分类问题 | 第112-114页 |
| ·肿瘤分类过程模型 | 第114-127页 |
| ·特征选择与特征抽取 | 第115-118页 |
| ·肿瘤样本分类器 | 第118-121页 |
| ·肿瘤分类模型的评估 | 第121-124页 |
| ·肿瘤分类算法实例 | 第124-127页 |
| ·实验结果分析与比较 | 第127-133页 |
| ·实验数据集 | 第127-128页 |
| ·相关工作总结与比较 | 第128-130页 |
| ·集成分类器 | 第130-133页 |
| ·本章小结 | 第133-135页 |
| 第六章 肿瘤特征抽取方法研究 | 第135-173页 |
| ·概述 | 第135页 |
| ·特征抽取方法简介 | 第135-136页 |
| ·基于主成份分析的肿瘤分类特征抽取 | 第136-145页 |
| ·相关工作概述 | 第136-137页 |
| ·肿瘤检测算法模型 | 第137页 |
| ·信息基因选择 | 第137-138页 |
| ·采用主成份分析方法抽取主成分量 | 第138-139页 |
| ·实验数据与实验方法 | 第139-140页 |
| ·实验结果与分析 | 第140-145页 |
| ·基于因子分析的肿瘤特征抽取方法 | 第145-150页 |
| ·因子分析方法 | 第145-146页 |
| ·实验与分析 | 第146-150页 |
| ·基于独立分量分析的肿瘤分类特征抽取方法 | 第150-154页 |
| ·独立分量分析方法 | 第150-152页 |
| ·肿瘤的独立分量提取与分类算法 | 第152页 |
| ·实验方法 | 第152页 |
| ·实验结果与分析 | 第152-154页 |
| ·基于小波包分解的肿瘤分类特征抽取方法 | 第154-161页 |
| ·基因表达谱样本的信号表示 | 第155-156页 |
| ·基于小波包分析的肿瘤分类算法 | 第156-158页 |
| ·实验结果 | 第158-161页 |
| ·基于离散余弦变换和离散付利叶变换的特征抽取 | 第161-169页 |
| ·概述 | 第161页 |
| ·肿瘤分类模型 | 第161-164页 |
| ·分类实验 | 第164-169页 |
| ·六种特征抽取方法比较 | 第169-171页 |
| ·本章小结 | 第171-173页 |
| 第七章 肿瘤信息基因选择方法研究 | 第173-216页 |
| ·概述 | 第173-176页 |
| ·特征选择方法概述 | 第174-175页 |
| ·肿瘤信息基因选择方法简述 | 第175-176页 |
| ·肿瘤信息基因选择问题描述 | 第176页 |
| ·基于粗糙集理论的肿瘤信息基因选择方法 | 第176-183页 |
| ·相关工作概述 | 第177页 |
| ·粗糙集基本原理 | 第177-180页 |
| ·实现算法的主要步骤 | 第180页 |
| ·实验与分析 | 第180-183页 |
| ·肿瘤信息基因启发式宽度优先搜索算法 | 第183-195页 |
| ·相关工作 | 第183-184页 |
| ·信息基因初选 | 第184-186页 |
| ·信息基因精选 | 第186-187页 |
| ·HBSA算法实现 | 第187-189页 |
| ·实验中核参数的选择 | 第189-190页 |
| ·实验结果与分析 | 第190-195页 |
| ·基于秩和检验的信息基因选择方法 | 第195-210页 |
| ·秩和检验方法概述 | 第195-196页 |
| ·基于Wilcoxon秩和检验的基因选择 | 第196-203页 |
| ·基于Kruskal-Wallis秩和检验方法的基因选择 | 第203-210页 |
| ·k-折交叉验证分类准确率探讨 | 第210-212页 |
| ·相关工作比较 | 第212-214页 |
| ·本章小结 | 第214-216页 |
| 第八章 基于邻域粗糙集模型的基因约简与肿瘤分类 | 第216-255页 |
| ·邻域粗糙集模型 | 第216-219页 |
| ·基于邻域粗糙集模型的基因约简及其肿瘤分类 | 第219-226页 |
| ·分类算法模型 | 第219-220页 |
| ·算法描述 | 第220-222页 |
| ·肿瘤分类实验 | 第222-225页 |
| ·实验结果评价 | 第225-226页 |
| ·多类肿瘤亚型的分类诊断 | 第226-233页 |
| ·分类算法模型 | 第226-228页 |
| ·肿瘤分类实验 | 第228-233页 |
| ·考虑样本不均衡的加权邻域分类器 | 第233-242页 |
| ·邻域分类器NEC改进 | 第234-236页 |
| ·W-NEC与NWK-NN分类器的比较 | 第236页 |
| ·肿瘤分类算法框架 | 第236-237页 |
| ·肿瘤分类实验 | 第237-240页 |
| ·指数参数exponent对肿瘤分类的影响 | 第240-241页 |
| ·分类准确率随邻域占值的变化情况 | 第241-242页 |
| ·基于概率神经网络集成的肿瘤分类方法研究 | 第242-252页 |
| ·相关工作概述 | 第243-244页 |
| ·分类算法模型 | 第244-245页 |
| ·基因初选 | 第245-247页 |
| ·基因约简 | 第247页 |
| ·PNN分类器 | 第247-248页 |
| ·肿瘤分类实验 | 第248-251页 |
| ·研究结论 | 第251-252页 |
| ·相关工作比较 | 第252-253页 |
| ·本章小结 | 第253-255页 |
| 第九章 结束语 | 第255-266页 |
| ·研究工作总结 | 第255-256页 |
| ·创新点摘要 | 第256-258页 |
| ·生物信息学的进一步发展——系统生物学 | 第258-260页 |
| ·计算机科学与生物信息学 | 第260-262页 |
| ·未来的研究工作 | 第262-266页 |
| 致谢 | 第266-267页 |
| 攻读博士期间的科研成果 | 第267-270页 |
| 参考文献 | 第270-304页 |