贝叶斯网络在临床及微阵列数据分析中的应用
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 第一部分 概述 | 第9-13页 |
| ·前言 | 第9-11页 |
| ·研究目的、意义、思路、步骤及内容 | 第11-12页 |
| ·研究目的 | 第11页 |
| ·研究意义 | 第11页 |
| ·基本思路 | 第11页 |
| ·研究内容 | 第11-12页 |
| ·资料来源、分析工具 | 第12-13页 |
| 第二部分 贝叶斯网络原理 | 第13-28页 |
| ·贝叶斯网络概述 | 第13-18页 |
| ·贝叶斯网络的起源与发展 | 第13页 |
| ·贝叶斯网络的定义及相关概念 | 第13-15页 |
| ·贝叶斯网络的类型 | 第15-16页 |
| ·贝叶斯网络的特点 | 第16页 |
| ·构建贝叶斯网络的基本步骤 | 第16-18页 |
| ·贝叶斯网络的结构学习 | 第18-23页 |
| ·记分函数的定义 | 第19-22页 |
| ·网络结构搜索策略 | 第22-23页 |
| ·贝叶斯网络的参数学习 | 第23-25页 |
| ·极大似然估计 | 第23-24页 |
| ·最大后验概率 | 第24页 |
| ·期望最大化算法 | 第24-25页 |
| ·贝叶斯网络的推理与模型解释 | 第25-28页 |
| 第三部分 贝叶斯网络与决策树的结合算法 | 第28-30页 |
| ·问题的提出 | 第28页 |
| ·决策树的基本原理 | 第28-29页 |
| ·决策树与贝叶斯网络的结合 | 第29-30页 |
| 第四部分 贝叶斯网络在临床资料中的应用 | 第30-53页 |
| ·资料来源 | 第30-32页 |
| ·网络结构学习 | 第32-40页 |
| ·网络参数学习 | 第40-52页 |
| ·完整数据的参数学习 | 第40-47页 |
| ·含缺失数据的参数学习 | 第47-52页 |
| ·讨论 | 第52-53页 |
| 第五部分 临床结合微阵列数据的贝叶斯网络分析 | 第53-72页 |
| ·前言 | 第53页 |
| ·资料来源 | 第53-55页 |
| ·胃癌临床资料的贝叶斯网络分析 | 第55-60页 |
| ·确定变量集和变量域 | 第55-57页 |
| ·网络构建 | 第57-60页 |
| ·基因芯片数据的贝叶斯网络分析 | 第60-72页 |
| ·基因芯片数据的缺失值填充 | 第60-61页 |
| ·基因芯片数据的离散化 | 第61-62页 |
| ·基因芯片数据的贝叶斯网络构建 | 第62-70页 |
| ·模型验证 | 第70-72页 |
| 第六部分 总结与展望 | 第72-75页 |
| ·研究结果 | 第72-73页 |
| ·研究的特色和创新点 | 第73页 |
| ·尚待继续探讨的问题 | 第73-75页 |
| 参考文献 | 第75-77页 |
| 致谢 | 第77-78页 |
| 综述 基因调控网络模型构建方法研究 | 第78-84页 |
