| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 第一章 绪论 | 第14-23页 |
| ·生物信息学 | 第14页 |
| ·数据挖掘技术在生物信息学中的应用 | 第14-15页 |
| ·生物序列模式挖掘 | 第15-18页 |
| ·生物序列模式识别 | 第18-20页 |
| ·基因表达调控与调控元件识别 | 第18-19页 |
| ·CpG 岛位置识别 | 第19-20页 |
| ·本文的主要研究工作 | 第20-21页 |
| ·本文的组织 | 第21-23页 |
| 第二章 生物序列模式挖掘与识别技术的研究进展 | 第23-38页 |
| ·生物序列模式挖掘技术 | 第23-28页 |
| ·国内外研究现状 | 第24-27页 |
| ·频繁子树挖掘 | 第27-28页 |
| ·生物序列模式识别技术 | 第28-37页 |
| ·基因调控元件识别技术 | 第29-34页 |
| ·调控元件的建模 | 第29-32页 |
| ·国内外研究现状 | 第32-34页 |
| ·CpG 岛位置识别技术 | 第34-37页 |
| ·基于马尔科夫链的CpG 岛识别 | 第35-36页 |
| ·国内外研究现状 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 基于模式前缀树的生物序列频繁模式快速挖掘算法 | 第38-58页 |
| ·引言 | 第38-39页 |
| ·单序列频繁模式的挖掘 | 第39-47页 |
| ·基本模式 | 第39-41页 |
| ·基本模式表 | 第41-43页 |
| ·构造基本频繁模式前缀树 | 第43-45页 |
| ·基本频繁模式的剪枝 | 第45页 |
| ·一般频繁模式的挖掘 | 第45-47页 |
| ·单序列频繁模式挖掘算法 | 第47页 |
| ·多序列频繁模式的挖掘 | 第47-53页 |
| ·集合向量及其运算 | 第48页 |
| ·多条序列的基本模式表 | 第48-49页 |
| ·多序列基本频繁模式前缀树 | 第49-50页 |
| ·多序列中基本模式的增长 | 第50-52页 |
| ·多序列频繁模式挖掘算法 | 第52-53页 |
| ·实验结果及分析 | 第53-57页 |
| ·实验数据与开发环境 | 第53页 |
| ·单序列挖掘算法实验结果与分析 | 第53-55页 |
| ·运行性能比较 | 第53-54页 |
| ·时间效率比较 | 第54-55页 |
| ·多序列挖掘算法实验结果与分析 | 第55-57页 |
| ·运行性能比较 | 第55-56页 |
| ·时间效率比较 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第四章 RNA 拓扑模式中的频繁子树挖掘算法 | 第58-72页 |
| ·引言 | 第58-59页 |
| ·问题定义与基本概念 | 第59-62页 |
| ·频繁子树挖掘 | 第59-60页 |
| ·基本概念和定义 | 第60-61页 |
| ·子串合法性检查 | 第61-62页 |
| ·算法描述 | 第62-66页 |
| ·IRTM 算法总体描述 | 第62-64页 |
| ·Scope-List 表的生成方法 | 第64-66页 |
| ·频繁性测试 | 第66页 |
| ·RNA 二级结构模式挖掘 | 第66-67页 |
| ·实验结果与分析 | 第67-71页 |
| ·利用测试数据比较算法性能 | 第67-69页 |
| ·RNA 分子公共拓扑模式挖掘结果 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 第五章 基于蚁群优化的基因调控元件识别算法 | 第72-92页 |
| ·引言 | 第72-74页 |
| ·基本概念 | 第74-78页 |
| ·问题的定义 | 第74页 |
| ·特征矩阵 | 第74-75页 |
| ·背景模式 | 第75-76页 |
| ·问题模型 | 第76-77页 |
| ·信息含量 | 第77-78页 |
| ·蚁群算法简介 | 第78-80页 |
| ·基于蚁群优化的基因调控元件识别 | 第80-84页 |
| ·解的表示形式 | 第80页 |
| ·蚂蚁搜索的逻辑图 | 第80-81页 |
| ·蚂蚁选择路径的概率公式 | 第81页 |
| ·解的适应度 | 第81-82页 |
| ·信息素的更新公式 | 第82页 |
| ·算法框架 | 第82-83页 |
| ·单序列局部优化策略 | 第83页 |
| ·子序列组的局部优化策略 | 第83-84页 |
| ·实验结果及分析 | 第84-91页 |
| ·实验结果的质量分析 | 第84-89页 |
| ·对啤酒酵母菌的结合位点分析 | 第84-86页 |
| ·大肠杆菌的结合位点实验结果分析 | 第86-89页 |
| ·算法的运行速度分析 | 第89-91页 |
| ·本章小结 | 第91-92页 |
| 第六章 基于条件随机场模型的CPG 岛位置识别算法 | 第92-111页 |
| ·引言 | 第92-93页 |
| ·条件随机场 | 第93-100页 |
| ·条件随机场的定义 | 第93-94页 |
| ·链状条件随机场 | 第94-96页 |
| ·条件随机场模型的矩阵描述及算法 | 第96页 |
| ·条件随机场的参数估计 | 第96-99页 |
| ·条件随机场的推理 | 第99-100页 |
| ·应用条件随机场解决CPG 岛的位置判别问题 | 第100-104页 |
| ·特征选取 | 第100-101页 |
| ·状态设置 | 第100-101页 |
| ·特征函数的设置 | 第101页 |
| ·参数训练 | 第101-103页 |
| ·拟牛顿法 | 第101-102页 |
| ·模型的参数估计 | 第102-103页 |
| ·解码问题 | 第103-104页 |
| ·实验结果及分析 | 第104-110页 |
| ·数据集的选用及编程环境 | 第104页 |
| ·数据文件及其格式 | 第104-107页 |
| ·训练文件、模型文件和标注文件 | 第104-105页 |
| ·特征模板文件 | 第105-107页 |
| ·实验结果的检测指标 | 第107-110页 |
| ·本章小结 | 第110-111页 |
| 第七章 总结和展望 | 第111-113页 |
| ·总结 | 第111-112页 |
| ·研究展望 | 第112-113页 |
| 参考文献 | 第113-124页 |
| 致谢 | 第124-125页 |
| 在学期间的研究成果及发表的学术论文 | 第125-126页 |
| 攻读博士学位期间发表（录用）论文情况 | 第125-126页 |
| 攻读博士学位期间参加科研项目情况 | 第126页 |