| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景及目的意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 生物网络聚类算法 | 第10-13页 |
| 1.2.2 深度学习与无监督学习 | 第13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 本文内容安排 | 第14-16页 |
| 第2章 深度学习与图聚类算法介绍 | 第16-24页 |
| 2.1 引言 | 第16页 |
| 2.2 深度学习及自编码器 | 第16-19页 |
| 2.3 图聚类算法研究 | 第19-23页 |
| 2.3.1 半监督聚类算法研究 | 第20-22页 |
| 2.3.2 谱聚类算法与深度学习 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 多网络融合聚类算法设计 | 第24-31页 |
| 3.1 引言 | 第24页 |
| 3.2 多网络融合聚类算法框架 | 第24-26页 |
| 3.3 半监督堆叠稀疏自编码器 | 第26-29页 |
| 3.3.1 堆叠稀疏自编码器 | 第26-27页 |
| 3.3.2 半监督堆叠稀疏自编码器 | 第27-29页 |
| 3.4 聚类结果集成算法 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 基因组转录表达网络的构建 | 第31-38页 |
| 4.1 引言 | 第31页 |
| 4.2 拟南芥基因表达数据分析 | 第31-32页 |
| 4.3 拟南芥基因表达网络构建 | 第32-37页 |
| 4.3.1 基因表达相似度计算 | 第32-33页 |
| 4.3.2 基因表达网络构建 | 第33-34页 |
| 4.3.3 基因表达子网络提取 | 第34-37页 |
| 4.4 本章小结 | 第37-38页 |
| 第5章 实验结果和分析 | 第38-55页 |
| 5.1 引言 | 第38页 |
| 5.2 实验环境与实验数据 | 第38-39页 |
| 5.3 实验验证方法 | 第39-41页 |
| 5.3.1 轮廓系数 | 第39-40页 |
| 5.3.2 GO和KEGG Pathway富集分析 | 第40-41页 |
| 5.4 实验结果分析 | 第41-54页 |
| 5.4.1 多网络融合结果 | 第41-45页 |
| 5.4.2 GO与KEGG Pathway富集分析 | 第45-54页 |
| 5.5 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第61-63页 |
| 致谢 | 第63页 |