| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题来源 | 第9页 |
| 1.2 研究背景 | 第9-10页 |
| 1.3 研究目的及意义 | 第10-12页 |
| 1.4 国内外研究现状与分析 | 第12-15页 |
| 1.4.1 DNA 功能区域的识别与预测研究现状 | 第12-14页 |
| 1.4.2 DNA 序列相似性研究现状 | 第14-15页 |
| 1.5 研究内容及组织结构 | 第15-17页 |
| 第2章 DNA 表达过程及其语言结构分析 | 第17-23页 |
| 2.1 基因表达过程 | 第17-18页 |
| 2.2 基因调控过程 | 第18-21页 |
| 2.2.1 转录因子及其调控机制 | 第19页 |
| 2.2.2 miRNA 及其调控机制 | 第19-21页 |
| 2.2.3 miRNA 与转录因子的共调控机制 | 第21页 |
| 2.3 DNA 语言结构分析 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于投票策略的 DNA 分词算法 | 第23-36页 |
| 3.1 DNA 分词问题描述 | 第23页 |
| 3.2 特征选择 | 第23-27页 |
| 3.2.1 边界熵 | 第24-25页 |
| 3.2.2 z-score 值 | 第25页 |
| 3.2.3 距离熵 | 第25-26页 |
| 3.2.4 NCM 值 | 第26-27页 |
| 3.2.5 特征离散化 | 第27页 |
| 3.3 分词模型 | 第27-34页 |
| 3.3.1 条件随机场模型 | 第28-29页 |
| 3.3.2 支持向量机模型 | 第29-32页 |
| 3.3.3 最大权值路径模型 | 第32-34页 |
| 3.4 基于投票策略的 DNA 分词算法 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 基于语义的 DNA 文本相似度计算 | 第36-47页 |
| 4.1 文本相似度计算方法概述 | 第36-41页 |
| 4.1.1 基于向量空间模型的方法 | 第36-39页 |
| 4.1.2 隐性语义索引的方法 | 第39-40页 |
| 4.1.3 基于语义相似度的方法 | 第40-41页 |
| 4.2 基于语义的 DNA 文本相似度计算 | 第41-46页 |
| 4.2.1 马尔可夫词序因子 | 第41-42页 |
| 4.2.2 DNA 词序因子提取算法 | 第42-44页 |
| 4.2.3 结合词序因子语义信息的文本相似度计算方法 | 第44-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第5章 系统设计与实现 | 第47-64页 |
| 5.1 系统的设计 | 第47-49页 |
| 5.1.1 分词模块的设计 | 第47-49页 |
| 5.1.2 语义分析模块的设计 | 第49页 |
| 5.2 系统的实现 | 第49-57页 |
| 5.2.1 分词模块的实现 | 第49-56页 |
| 5.2.3 语义分析模块的实现 | 第56-57页 |
| 5.4 系统评测与结果分析 | 第57-63页 |
| 5.4.1 分词模块评测与结果分析 | 第57-61页 |
| 5.4.2 语义分析模块评测与结果分析 | 第61-63页 |
| 5.5 本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70页 |