| 摘要 | 第3-5页 |
| ABSRTACT | 第5-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状及难点 | 第11-12页 |
| 1.3 生物学相关知识 | 第12-18页 |
| 1.3.1 遗传物质基础及法则 | 第12-13页 |
| 1.3.2 染色体与基因 | 第13-15页 |
| 1.3.3 单核苷酸多态性和基因型 | 第15-18页 |
| 1.3.4 人类遗传病 | 第18页 |
| 1.4 主要研究内容和创新 | 第18-19页 |
| 1.5 本文组织结构 | 第19-20页 |
| 第2章 机器学习方法在基因交互作用探测中的应用 | 第20-27页 |
| 2.1 机器学习方法的原理及拓展 | 第20-23页 |
| 2.1.1 随机森林 | 第20-21页 |
| 2.1.2 多因子降维 | 第21-23页 |
| 2.1.3 支持向量机 | 第23页 |
| 2.2 机器学习模型的优缺点及应用 | 第23-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 基于SVM与直积的基因交互作用探测算法 | 第27-44页 |
| 3.1 Support vector machine算法 | 第27-31页 |
| 3.1.1 Support vector machine算法理论 | 第27-31页 |
| 3.2 直积 | 第31-34页 |
| 3.2.1 直积理论 | 第31-32页 |
| 3.2.2 直积在基因交互中的应用 | 第32-34页 |
| 3.3 CP-SVM算法 | 第34-43页 |
| 3.3.1 CP-SVM算法基础理论 | 第34-35页 |
| 3.3.2 核函数的选取和参数优化 | 第35-38页 |
| 3.3.3 特征选择 | 第38-39页 |
| 3.3.4 综合评价指标F-Score | 第39-41页 |
| 3.3.5 CP-SVM算法流程 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 算法验证及实验分析 | 第44-52页 |
| 4.1 CP-SVM算法性能验证 | 第44-47页 |
| 4.1.1 实验环境与参数配置 | 第44-45页 |
| 4.1.2 算法性能比对 | 第45-46页 |
| 4.1.3 算法运行时间比对 | 第46-47页 |
| 4.2 真实样本验证 | 第47-51页 |
| 4.2.1 2-位点交互作用探测 | 第47-50页 |
| 4.2.2 d-位点交互作用探测 | 第50-51页 |
| 4.3 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士学位期间发表的学术论文 | 第58-59页 |