| 摘要 | 第4-8页 |
| abstract | 第8-10页 |
| 第一章 绪论 | 第13-28页 |
| 1.1 引言 | 第13-14页 |
| 1.2 生物信息中的多标签问题 | 第14-16页 |
| 1.3 Ontology方法的论述 | 第16-19页 |
| 1.4 本文主要工作及创新点 | 第19-22页 |
| 1.5 论文组织 | 第22-24页 |
| 参考文献 | 第24-28页 |
| 第二章 本体和本体数据库以及语义挖掘方法 | 第28-48页 |
| 2.1 本体简介 | 第28-29页 |
| 2.2 本体数据库 | 第29-36页 |
| 2.3 基于分类图形结构的相似方法 | 第36页 |
| 2.4 基于信息内容的相似方法 | 第36-39页 |
| 2.5 度量基因之间的功能相似的方法 | 第39-42页 |
| 2.6 本体在医药生物方面的应用及已经开发的工具和语言 | 第42-44页 |
| 2.7 本章小结 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 第三章 多标签算法 | 第48-61页 |
| 3.1 多标度（Multiplicity degree） | 第49页 |
| 3.2 多标签评价指标 | 第49-52页 |
| 3.3 几种经典的多标签算法 | 第52-55页 |
| 3.4 新建的多标签算法ML-GKR | 第55-58页 |
| 3.5 本章小结 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 第四章 预测药物ATC类别 | 第61-82页 |
| 4.1 预测药物ATC类别模型一：iATC-mISF模型 | 第62-71页 |
| 4.2 预测药物ATC类别模型二：iATC-mHyb | 第71-78页 |
| 4.3 本章小结 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 第五章 pLoc-mAnimal:动物蛋白质亚细胞定位预测模型 | 第82-100页 |
| 5.1 基准数据集 | 第83-84页 |
| 5.2 特征降维 | 第84-90页 |
| 5.3 蛋白质向量构造 | 第90-93页 |
| 5.4 结果和讨论 | 第93-95页 |
| 5.5 本章小结 | 第95-97页 |
| 参考文献 | 第97-100页 |
| 第六章 pLoc-mPlant：植物蛋白质亚细胞定位预测模型 | 第100-115页 |
| 6.1 基准数据集 | 第101页 |
| 6.2 集成学习 | 第101-108页 |
| 6.3 植物蛋白质亚细胞位置预测模型 | 第108-109页 |
| 6.4 结果与讨论 | 第109-111页 |
| 6.5 本章小结 | 第111-113页 |
| 参考文献 | 第113-115页 |
| 第七章 总结和展望 | 第115-120页 |
| 7.1 总结 | 第115-117页 |
| 7.2 展望 | 第117-119页 |
| 参考文献 | 第119-120页 |
| 附录A 攻读博士学位期间发表的论文 | 第120-121页 |
| 附录B 攻读博士学位期间主持与参与的项目 | 第121-122页 |
| 致谢 | 第122页 |
