| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 第一章 绪论 | 第11-15页 |
| ·课题研究背景和意义 | 第11-12页 |
| ·本文主要研究工作 | 第12-13页 |
| ·论文组织结构 | 第13-15页 |
| 第二章 microRNA 和生物信息学的相关背景 | 第15-27页 |
| ·microRNA 的基础知识介绍 | 第16-21页 |
| ·microRNA 简介 | 第16-17页 |
| ·microRNA 的生物学特征 | 第17-18页 |
| ·microRNA 的生物学合成 | 第18-19页 |
| ·microRNA 的作用机制 | 第19-21页 |
| ·microRNA 数据库 | 第21页 |
| ·生物信息学简介 | 第21-23页 |
| ·什么是生物信息学 | 第21-22页 |
| ·生物信息学的研究内容 | 第22-23页 |
| ·生物信息学的展望 | 第23页 |
| ·生物信息学方法预测 microRNA | 第23-26页 |
| ·结构序列分析方法和比较基因组方法 | 第23-24页 |
| ·机器学习方法 | 第24-26页 |
| 本章小结 | 第26-27页 |
| 第三章 计算智能预测方法简介 | 第27-43页 |
| ·人工神经网络 | 第27-30页 |
| ·什么是人工神经网络 | 第27-28页 |
| ·神经元 | 第28-29页 |
| ·前馈型人工神经网络 | 第29-30页 |
| ·神经网络的集成 | 第30-34页 |
| ·集成方法概念 | 第30页 |
| ·集成学习的条件 | 第30-31页 |
| ·集成规则 | 第31-34页 |
| ·柔性神经树模型(FNT) | 第34-39页 |
| ·柔性神经树概述 | 第34页 |
| ·柔性神经树结构 | 第34-35页 |
| ·柔性神经树算法流程 | 第35-36页 |
| ·概率增强式程序进化算法 | 第36-39页 |
| ·粒子群优化算法 | 第39-42页 |
| ·粒子群优化算法简介 | 第39页 |
| ·粒子群优化算法原理 | 第39-40页 |
| ·粒子群优化算法流程 | 第40-42页 |
| 本章小结 | 第42-43页 |
| 第四章 基于计算智能的 microRNA 预测方法与实验结果分析 | 第43-57页 |
| ·microRNA 实验数据集的构造 | 第43-46页 |
| ·实验数据集的收集与整理 | 第43-44页 |
| ·数据集的编码规则 | 第44-46页 |
| ·预测过程 | 第46-55页 |
| ·人工神经网络建模 | 第48-50页 |
| ·神经网络集成 | 第50-52页 |
| ·柔性神经树建模 | 第52-54页 |
| ·结果分析 | 第54-55页 |
| 本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| ·总结 | 第57-58页 |
| ·展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 附录 | 第65页 |