首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--理论、方法论文--算法理论论文

生物网络中的模体发现算法研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第14-25页
    1.1 研究背景第14-15页
    1.2 研究现状第15-23页
        1.2.1 模体类型研究第15-17页
        1.2.2 模体发现算法研究第17-21页
        1.2.3 并行化技术和分布式技术研究第21-23页
    1.3 本文主要工作第23页
    1.4 论文组织结构第23-25页
第2章 模体发现问题中的基本概念第25-34页
    2.1 共调控网络模体第25页
    2.2 共调控网络中的调控因子第25-26页
        2.2.1 基因第25-26页
        2.2.2 TF第26页
        2.2.3 miRNA第26页
    2.3 图论基础第26-27页
        2.3.1 共调控网络图第26-27页
        2.3.2 子图出现的次数第27页
        2.3.3 导出子图与非导出子图第27页
    2.4 共调控网络模体发现算法关键步骤第27-30页
        2.4.1 子图枚举第28页
        2.4.2 子图同构判别第28页
        2.4.3 随机网络生成第28-30页
        2.4.4 显著性计算第30页
    2.5 常见网络模体类型及其功能第30-32页
    2.6 共调控网络模体的GO(Gene Ontology)富集性分析第32页
    2.7 共调控网络模体与调控通路的关系第32页
    2.8 共调控网络模体与网络模块的关系第32-33页
    2.9 对模体结构的争论第33页
    2.10 本章小结第33-34页
第3章 共调控网络中的高效模体发现算法第34-47页
    3.1 引言第34-35页
    3.2 方法第35-41页
        3.2.1 符号说明第35-36页
        3.2.2 大型网络模体发现算法第36-37页
        3.2.3 G-trie数据结构的原理第37页
        3.2.4 共调控网络中的G-trie数据结构第37-38页
        3.2.5 使用G-trie数据结构挖子图第38-39页
        3.2.6 网络的随机化第39页
        3.2.7 算法复杂度分析第39-40页
        3.2.8 并行计算第40-41页
    3.3 实验第41-46页
        3.3.1 实验环境第41页
        3.3.2 实验数据第41页
        3.3.3 对比算法第41页
        3.3.4 对比结果第41-42页
        3.3.5 性能提升第42-43页
        3.3.6 并行算法的有效性第43-44页
        3.3.7 发现更大规模的网络模体第44-45页
        3.3.8 共调控网络模体的团簇特征第45-46页
    3.4 本章小结第46-47页
第4章 基于MapReduce的共调控网络模体发现算法第47-55页
    4.1 前言第47页
    4.2 研究现状第47-48页
    4.3 MapReduce计算模型第48-49页
    4.4 算法描述第49-51页
        4.4.1 准备工作第49页
        4.4.2 MapReduce计算步骤第49-51页
    4.5 多线程提升CPU利用率第51页
    4.6 实验第51-54页
        4.6.1 实验环境第51-52页
        4.6.2 实验数据第52页
        4.6.3 实验结果第52-54页
    4.7 本章小结第54-55页
结论第55-57页
参考文献第57-64页
附录A 攻读学位期间所发表的科研成果第64-65页
附录B 攻读学位期间所参加的科研项目第65-66页
致谢第66页

论文共66页,点击 下载论文
上一篇:微信公众号检索与监测系统的设计与实现
下一篇:蛋白质序列系统发育树似然估计的高性能计算方法研究