| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 生物信息学简介 | 第8-9页 |
| 1.1.1 生物信息学的产生与研究内容 | 第8页 |
| 1.1.2 生物信息学研究现状 | 第8-9页 |
| 1.2 粒计算的研究现状 | 第9-10页 |
| 1.3 差异表达基因的研究现状 | 第10页 |
| 1.4 本文的主要研究内容及创新点 | 第10-12页 |
| 1.4.1 主要研究内容 | 第10-11页 |
| 1.4.2 创新点 | 第11-12页 |
| 第二章 准备知识 | 第12-20页 |
| 2.1 聚类算法简介 | 第12-15页 |
| 2.1.1 基于划分的聚类 | 第12页 |
| 2.1.2 基于层次的聚类 | 第12-13页 |
| 2.1.3 基于密度的聚类 | 第13-14页 |
| 2.1.4 基于网格的聚类 | 第14-15页 |
| 2.1.5 谱聚类 | 第15页 |
| 2.2 粒度空间的基本概念 | 第15-16页 |
| 2.3 最小生成树算法 | 第16-17页 |
| 2.4 LogisticRegression模型 | 第17-18页 |
| 2.5 基于FWER错误测度的Bonferroni检验 | 第18页 |
| 2.6 RandomForest模型 | 第18-20页 |
| 第三章 改进的最小生成树分类算法及其应用 | 第20-28页 |
| 3.1 基于最小生成树的最佳聚类确定 | 第20-23页 |
| 3.2 改进的最小生成树分类算法及其应用 | 第23-27页 |
| 3.2.1 最小生成树分类算法的流程 | 第23-24页 |
| 3.2.2 禽流感病毒的最优聚类与签名病毒选取 | 第24-26页 |
| 3.2.3 结果分析与讨论 | 第26页 |
| 3.2.4 算法复杂度分析 | 第26-27页 |
| 3.3 本章小结 | 第27-28页 |
| 第四章 基于LR-RF的筛选疾病差异表达基因的模型 | 第28-36页 |
| 4.1 乳腺癌差异表达基因研究现状 | 第28页 |
| 4.2 数据资源 | 第28-29页 |
| 4.3 基于LR-RF的筛选差异表达基因的混合模型 | 第29-30页 |
| 4.4 实验结果及分析 | 第30-35页 |
| 4.4.1 差异表达基因 | 第30页 |
| 4.4.2 稳定性分析 | 第30-32页 |
| 4.4.3 层次聚类分析 | 第32-33页 |
| 4.4.4 基因相互作用网络的分析 | 第33-35页 |
| 4.5 本章小结 | 第35-36页 |
| 第五章 总结与展望 | 第36-38页 |
| 5.1 全文总结 | 第36页 |
| 5.2 工作展望 | 第36-38页 |
| 致谢 | 第38-39页 |
| 参考文献 | 第39-42页 |
| 附录：作者在攻读硕士学位期间发表的论文及参加的学术活动 | 第42页 |
