基于后缀树聚类和期望最大化求精的模体发现算法

摘要	第1-4页
Abstract	第4-7页
第一章 绪论	第7-11页
·背景介绍	第7页
·模体发现	第7-8页
·研究现状	第8-9页
·本文主要工作	第9-11页
第二章 模体发现问题及相关技术	第11-19页
·模体表示方法	第11-12页
·模体发现问题及其分类	第12-14页
·模体发现问题及符号表示	第12-13页
·序列类型	第13-14页
·聚类简介	第14-15页
·统计模型和频率分布	第15-16页
·本章小结	第16-19页
第三章 基于后缀树的子类划分算法	第19-27页
·后缀树聚类方法	第19-20页
·压缩后缀数组和 k-list	第20-22页
·子类划分算法	第22-26页
·k 前缀字符	第22页
·阈值确定	第22-23页
·算法描述	第23-25页
·时间复杂度分析	第25-26页
·本章小结	第26-27页
第四章 基于混合统计模型的期望最大化求精算法	第27-41页
·建立抽样随机过程	第27-28页
·极大似然估计	第28页
·联合似然函数的表示	第28-32页
·不同序列模型的求精算法	第32-37页
·E-step	第32-36页
·M-step	第36-37页
·获得结果位点集	第37-40页
·本章小结	第40-41页
第五章 实验结果分析和评价	第41-51页
·实验数据信息	第41-42页
·评价策略	第42-43页
·结果分析与比较	第43-48页
·本章小结	第48-51页
第六章 总结与展望	第51-53页
致谢	第53-55页
参考文献	第55-58页