| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 生物信息学研究现状 | 第10-11页 |
| 1.2.2 MiRNA识别研究现状 | 第11-12页 |
| 1.2.3 细胞因子识别研究现状 | 第12-13页 |
| 1.3 本文研究内容及结构 | 第13-14页 |
| 1.3.1 本文研究内容 | 第13页 |
| 1.3.2 论文章节安排 | 第13-14页 |
| 1.4 本章小结 | 第14-16页 |
| 第2章 评价指标和分类器的选择 | 第16-34页 |
| 2.1 数据集的组成及其处理 | 第16-18页 |
| 2.1.1 数据的组成 | 第16-17页 |
| 2.1.2 训练过程中数据集的处理方法 | 第17-18页 |
| 2.2 评价指标的建立 | 第18-21页 |
| 2.3 分类器的选择 | 第21-32页 |
| 2.3.1 libSVM、libSVM_Fscore和string kernel SVM分类器 | 第21-22页 |
| 2.3.2 BP-NN和ELM分类器 | 第22-25页 |
| 2.3.3 J48、Adaboost、Random Forest和GBDT分类器 | 第25-29页 |
| 2.3.4 libD3C分类器 | 第29-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第3章 MIRNA的识别研究 | 第34-44页 |
| 3.1 MIRNA特征提取 | 第34-37页 |
| 3.2 实验结果与分析 | 第37-42页 |
| 3.2.1 98 维特征集结果分析 | 第37页 |
| 3.2.2 BP-NN对miRNA的分类效果分析 | 第37-39页 |
| 3.2.3 BP-NN与其它分类器的比较 | 第39-41页 |
| 3.2.4 BP-NN 在不同物种 mi RNA 的表现 | 第41-42页 |
| 3.3 本章小结 | 第42-44页 |
| 第4章 细胞因子识别研究 | 第44-64页 |
| 4.1 细胞因子特征提取 | 第44-49页 |
| 4.2 降低维度的方法 | 第49-53页 |
| 4.2.1 MRMD降维方法 | 第49-51页 |
| 4.2.2 PCA降维方法 | 第51-53页 |
| 4.3 实验结果与分析 | 第53-62页 |
| 4.3.1 Pse-in-One特征提取方法结果分析 | 第53-55页 |
| 4.3.2 特征集性能分析 | 第55-59页 |
| 4.3.3 分类器性能分析 | 第59-61页 |
| 4.3.4 综合性能分析 | 第61-62页 |
| 4.4 本章小结 | 第62-64页 |
| 总结 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 作者简介 | 第71页 |
| 攻读硕士期间发表的论文及科研成果 | 第71-72页 |
