| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 论文的研究背景 | 第9-10页 |
| 1.2 国内外研究现状分析 | 第10-13页 |
| 1.2.1 最大信息系数MIC算法的提出 | 第10-12页 |
| 1.2.2 非编码RNA预测算法的发展 | 第12-13页 |
| 1.3 研究内容 | 第13-15页 |
| 第2章 开发遗传算法SIG来改进MIC算法的计算 | 第15-37页 |
| 2.1 MIC计算的原软件MINE中算法ApproMaxMI实现的弊端 | 第15-19页 |
| 2.1.1 ApproMaxMI没有优化y轴上的划分方案 | 第15-18页 |
| 2.1.2 ApproMax MI具有极大的简并度 | 第18-19页 |
| 2.2 我们的新算法SIG的理论及流程 | 第19-26页 |
| 2.2.1 SIG算法简介 | 第19-21页 |
| 2.2.2 SIG算法设计步骤 | 第21-22页 |
| 2.2.3 SIG算法的Markov理论基础 | 第22-23页 |
| 2.2.4 SIG遍历性的证明 | 第23-24页 |
| 2.2.5 SIG收敛于全局最优的证明 | 第24-26页 |
| 2.3 使用SIG可以显著优化MIC的计算 | 第26-30页 |
| 2.4 SIG计算的MIC值在关联性度量中的优势 | 第30-35页 |
| 2.5 本章小结 | 第35-37页 |
| 第3章 回归预测算法ncRSOF高效预测非编码RNA | 第37-43页 |
| 3.1 训练和测试数据集的总体设计 | 第37页 |
| 3.2 构建342维的特征向量来代表核酸序列 | 第37-38页 |
| 3.3 使用回归分析方法构建单个的分类器 | 第38页 |
| 3.4 用36个分类器的多数表决方法来预测非编码RNA | 第38-40页 |
| 3.5 预测算法ncRSOF的性能评估 | 第40页 |
| 3.6 本章小结 | 第40-43页 |
| 结论 | 第43-45页 |
| 参考文献 | 第45-51页 |
| 攻读硕士学位期间所发表的论文 | 第51-53页 |
| 致谢 | 第53页 |
