| 摘要 | 第5-6页 |
| Abtract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景和意义 | 第10-13页 |
| 1.2 国内外研究现状综述 | 第13-17页 |
| 1.2.1 特征基因选择综述 | 第13-14页 |
| 1.2.2 遗传算法研究综述 | 第14-16页 |
| 1.2.3 变异监测研究综述 | 第16-17页 |
| 1.3 论文的主要工作 | 第17页 |
| 1.4 论文的组织结构 | 第17-20页 |
| 第二章 实验相关技术 | 第20-28页 |
| 2.1 引物筛选基本理论 | 第20-21页 |
| 2.1.1 传统引物筛选存在的问题 | 第20页 |
| 2.1.2 支持向量机筛选的优点 | 第20页 |
| 2.1.3 基本支持向量机的描述 | 第20页 |
| 2.1.4 支持向量机方法的特点 | 第20-21页 |
| 2.1.5 支持向量机算法模型构建的基本方法 | 第21页 |
| 2.2 遗传算法的基本理论 | 第21-23页 |
| 2.2.1 基本遗传算法的描述 | 第21页 |
| 2.2.2 基本遗传算法的基本概念 | 第21-22页 |
| 2.2.3 基本遗传算法的数学模型 | 第22-23页 |
| 2.2.4 基本遗传算法的运算流程 | 第23页 |
| 2.3 自适应遗传算法和标准遗传算法的对比 | 第23-24页 |
| 2.3.1 标准遗传算法的缺点 | 第23-24页 |
| 2.3.2 自适应遗传算法的优点 | 第24页 |
| 2.4 自适应遗传算法的基本理论 | 第24-26页 |
| 2.4.1 自适应遗传算法的描述 | 第24-26页 |
| 2.4.2 自适应遗传算法的运算流程 | 第26页 |
| 2.5 本章小结 | 第26-28页 |
| 第三章 改进自适应遗传算法的应用 | 第28-46页 |
| 3.1 应用问题背景简介 | 第28页 |
| 3.2 算法的实现与评价 | 第28-38页 |
| 3.2.1 引物对的选择 | 第28-29页 |
| 3.2.2 数据准备 | 第29-30页 |
| 3.2.3 引入支持向量机 | 第30页 |
| 3.2.4 数据计算过程 | 第30-32页 |
| 3.2.5 引物对基因的筛选 | 第32-33页 |
| 3.2.6 引物对筛选结果 | 第33-36页 |
| 3.2.7 自适应遗传算法的实现过程 | 第36-37页 |
| 3.2.8 自适应遗传算法流程图 | 第37-38页 |
| 3.3 实验数据处理 | 第38页 |
| 3.4 JAVA软件运行部分截图 | 第38-39页 |
| 3.5 实验结果分析 | 第39-46页 |
| 第四章 实验结论 | 第46-50页 |
| 4.1 遗传算法验证 | 第46-47页 |
| 4.2 生物信息学验证 | 第47页 |
| 4.3 传统遗传算法和自适应遗传算法对比 | 第47-48页 |
| 4.4 实验小结 | 第48-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 研究工作总结 | 第50页 |
| 5.2 工作展望 | 第50-52页 |
| 致谢 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 附录A: 攻读硕士学位期间学术论文发表成果 | 第60-62页 |
| 附录B: 寻找最优个体基因的自适应遗传算法系统部分源代码 | 第62-75页 |