空间环境生物信息学数据的分析方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 引言 | 第10-16页 |
| ·研究背景 | 第10-12页 |
| ·空间生命科学与地面模拟辐照 | 第10-11页 |
| ·水稻生物信息学研究概述 | 第11-12页 |
| ·研究意义 | 第12页 |
| ·国内外研究现状 | 第12-13页 |
| ·研究内容及论文组织 | 第13-16页 |
| 第2章 生物信息挖掘技术 | 第16-30页 |
| ·生物信息学 | 第16-17页 |
| ·数据预处理与集成方法 | 第17-21页 |
| ·数据预处理 | 第17页 |
| ·数据集成方法 | 第17页 |
| ·数据仓库定义 | 第17-18页 |
| ·数据仓库特征 | 第18页 |
| ·数据仓库体系结构 | 第18-20页 |
| ·数据仓库工具 | 第20-21页 |
| ·数据挖掘技术概述 | 第21-22页 |
| ·数据挖掘相关概念 | 第21页 |
| ·数据挖掘技术分类 | 第21-22页 |
| ·数据挖掘常用算法 | 第22页 |
| ·聚类理论 | 第22-25页 |
| ·聚类分析的相关概念 | 第22-23页 |
| ·聚类分析的方法 | 第23-24页 |
| ·聚类分析的应用 | 第24页 |
| ·聚类分析的优点及局限性 | 第24-25页 |
| ·关联规则理论 | 第25-27页 |
| ·关联规则相关概念 | 第25页 |
| ·关联规则的挖掘步骤 | 第25-26页 |
| ·关联规则的分类 | 第26-27页 |
| ·关联规则的优点及局限性 | 第27页 |
| ·数据挖掘技术在水稻生物信息学中的应用 | 第27-30页 |
| ·聚类 | 第27-28页 |
| ·分类 | 第28页 |
| ·预测 | 第28-30页 |
| 第3章 基于投票机制的动态聚类融合算法及其应用 | 第30-45页 |
| ·聚类融合概述 | 第30-31页 |
| ·基于投票机制的动态聚类融合算法 | 第31-39页 |
| ·聚类结果的产生 | 第31页 |
| ·k值的选择 | 第31-32页 |
| ·相似度准则的设计 | 第32-33页 |
| ·共识函数的设计 | 第33页 |
| ·融合过程 | 第33-34页 |
| ·动态确定运行次数 | 第34页 |
| ·算法描述 | 第34-35页 |
| ·实验结果及其讨论 | 第35-38页 |
| ·结论 | 第38-39页 |
| ·水稻生物数据的应用 | 第39-45页 |
| ·实验数据 | 第39-40页 |
| ·结果讨论 | 第40-45页 |
| 第4章 改进的关联规则挖掘算法及其应用 | 第45-53页 |
| ·经典的Apriori算法 | 第45-47页 |
| ·Apriori算法描述 | 第45-46页 |
| ·Apriori算法几种改进 | 第46-47页 |
| ·其它关联规则挖掘算法 | 第47-49页 |
| ·改进的Apriori算法 | 第49-53页 |
| 第5章 数据集成与原型系统开发 | 第53-62页 |
| ·系统主要功能实现 | 第53-56页 |
| ·总体设计目标 | 第53-54页 |
| ·结构设计 | 第54-55页 |
| ·功能设计 | 第55页 |
| ·开发工具 | 第55-56页 |
| ·数据集成的实现 | 第56-62页 |
| ·主题与维度设计 | 第57-58页 |
| ·建立星型模型 | 第58-62页 |
| 第6章 结论与展望 | 第62-64页 |
| ·论文主要工作总结 | 第62-63页 |
| ·心得体会 | 第63页 |
| ·进一步工作设想 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 攻读学位期间发表的论文 | 第70-71页 |
| 致谢 | 第71页 |
