| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-26页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 相似性度量 | 第13-17页 |
| 1.2.1 常见相似度度量 | 第14-17页 |
| 1.2.2 相似度与差异度的转换 | 第17页 |
| 1.3 度量学习方法 | 第17-24页 |
| 1.3.1 基本框架 | 第19-21页 |
| 1.3.2 常见模型 | 第21-24页 |
| 1.3.3 实际应用 | 第24页 |
| 1.4 论文的组织结构 | 第24-26页 |
| 1.4.1 研究策略 | 第24-25页 |
| 1.4.2 研究内容 | 第25-26页 |
| 第二章 LINCS表达谱数据适用相似度算法研究 | 第26-36页 |
| 2.1 引言 | 第26-28页 |
| 2.2 LINCS表达谱数据分析 | 第28-31页 |
| 2.2.1 LINCS数据查询检索 | 第29页 |
| 2.2.2 LINCS数据内容分析 | 第29-31页 |
| 2.3 表达谱数据相似性算法研究 | 第31-35页 |
| 2.3.1 细胞系对比实验 | 第33-34页 |
| 2.3.2 干扰类型对比实验 | 第34-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 基于度量学习方法的GO注释预测研究 | 第36-45页 |
| 3.1 引言 | 第36-37页 |
| 3.2 基于表达谱数据的基因关系网络 | 第37-44页 |
| 3.2.1 相似性网络的构建 | 第37页 |
| 3.2.2 基因关联网络的构建 | 第37-43页 |
| 3.2.3 GO信息预测拓展 | 第43-44页 |
| 3.3 本章小结 | 第44-45页 |
| 第四章 基于余弦相似性度量学习方法的DTI预测研究 | 第45-53页 |
| 4.1 引言 | 第45-46页 |
| 4.2 余弦相似度度量学习算法 | 第46-51页 |
| 4.2.1 模型构建 | 第46-47页 |
| 4.2.2 构建限制条件集 | 第47页 |
| 4.2.3 迭代共轭梯度法 | 第47-50页 |
| 4.2.4 收敛性分析 | 第50-51页 |
| 4.3 药物靶标作用预测分析 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 结论与展望 | 第53-54页 |
| 致谢 | 第54-56页 |
| 参考文献 | 第56-64页 |
| 作者在学期间取得的学术成果 | 第64页 |