| 致谢 | 第7-9页 |
| 摘要 | 第9-10页 |
| Abstract | 第10页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景 | 第15页 |
| 1.2 合成生物学 | 第15-17页 |
| 1.3 可视化 | 第17页 |
| 1.4 数据降维 | 第17-18页 |
| 1.5 聚类 | 第18-19页 |
| 1.6 本文总体结构安排 | 第19-20页 |
| 1.7 本章小结 | 第20-21页 |
| 第二章 基本理论及合成生物学介绍 | 第21-33页 |
| 2.1 相似度计算 | 第21-26页 |
| 2.1.1 距离计算的应用 | 第21-22页 |
| 2.1.2 常用的距离计算方法 | 第22-26页 |
| 2.2 合成生物学 | 第26-32页 |
| 2.2.1 合成生物学元件 | 第26-31页 |
| 2.2.2 本次实验所采用的合成生物元件数据库 | 第31-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第三章 基于编辑距离的改进型拉普拉斯特征映射数据降维 | 第33-47页 |
| 3.1 数据降维 | 第33-35页 |
| 3.1.1 数据降维背景 | 第33-34页 |
| 3.1.2 常用的数据降维方法 | 第34-35页 |
| 3.2 编辑距离的选择 | 第35-38页 |
| 3.3 基于编辑距离的拉普拉斯特征映射 | 第38-41页 |
| 3.3.1 编辑距离计算 | 第38-40页 |
| 3.3.2 拉普拉斯特征映射 | 第40-41页 |
| 3.4 降维可视化结果展示 | 第41-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第四章 基于非线性降维的聚类 | 第47-55页 |
| 4.1 聚类 | 第47-51页 |
| 4.2 K-means算法 | 第51-53页 |
| 4.2.1 算法介绍 | 第51-52页 |
| 4.2.2 算法流程 | 第52页 |
| 4.2.3 算法伪代码 | 第52-53页 |
| 4.3 聚类结果的展示 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 该研究的工作 | 第55-56页 |
| 5.2 下一步的研究工作 | 第56页 |
| 5.3 展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第61-62页 |