| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-14页 |
| ·选题背景和意义 | 第11-12页 |
| ·研究内容 | 第12-13页 |
| ·本文的章节安排 | 第13-14页 |
| 第2章 聚类分析及其在生物信息中的应用 | 第14-22页 |
| ·引言 | 第14页 |
| ·聚类分析 | 第14-19页 |
| ·聚类分析的概念 | 第14-15页 |
| ·聚类分析的研究意义 | 第15-16页 |
| ·聚类分析的步骤 | 第16-17页 |
| ·聚类分析算法 | 第17-19页 |
| ·聚类分析在生物信息方面的应用 | 第19-21页 |
| ·聚类基因表达数据 | 第19-20页 |
| ·聚类蛋白质序列 | 第20页 |
| ·构建系统发育树 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 基于信息论的聚类度量研究 | 第22-37页 |
| ·聚类分析中的度量 | 第22-31页 |
| ·数据矩阵与相异度矩阵 | 第22-23页 |
| ·相似性度量方法 | 第23-25页 |
| ·常见数据类型 | 第25-30页 |
| ·描述聚类的特征量 | 第30-31页 |
| ·基于信息论的相异性度量 | 第31-35页 |
| ·信息熵理论基础 | 第31-34页 |
| ·信息相异性度量方法 | 第34-35页 |
| ·一种新的基于信息理论相异性度量 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于信息论度量的生物序列比较 | 第37-47页 |
| ·基本概念和符号定义 | 第37-38页 |
| ·传统的非比对度量方法介绍 | 第38-41页 |
| ·Euclidean 距离 | 第38页 |
| ·Mahalanobis 距离/Standard Euclidean 距离 | 第38-39页 |
| ·Kullback-Leibler 交叉熵 | 第39页 |
| ·Angle 方法 | 第39-40页 |
| ·Function of Degree of Disagreement 方法 | 第40-41页 |
| ·其他距离 | 第41页 |
| ·新的基于信息理论非比对度量方法 | 第41页 |
| ·实验与分析 | 第41-46页 |
| ·数据 | 第41-43页 |
| ·实验一 | 第43-44页 |
| ·实验二 | 第44-45页 |
| ·实验分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 基于信息相异性的系统发生树构建 | 第47-58页 |
| ·模糊聚类分析的原理 | 第47-48页 |
| ·基于模糊等价关系的聚类分析 | 第48-52页 |
| ·基于模糊等价关系的聚类分析的步骤 | 第52-53页 |
| ·基于信息相异性的模糊聚类构建系统树 | 第53-57页 |
| ·算法与流程 | 第53页 |
| ·算法步骤与实验 | 第53-56页 |
| ·结论与分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 结论与展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 附录 A （攻读学位期间所发表的学术论文和参加的项目） | 第65页 |
