| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 基于相似度度量的方法 | 第11-13页 |
| 1.2.2 机器学习方法 | 第13-15页 |
| 1.3 本文主要研究内容 | 第15-16页 |
| 1.3.1 课题内容及研究方案 | 第15-16页 |
| 1.3.2 研究方案的创新点 | 第16页 |
| 1.4 论文章节安排 | 第16-18页 |
| 第2章 MIRNA-疾病关联关系相关预测方法 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 整合网络拓扑相似度的方法NTSMDA | 第18-21页 |
| 2.2.1 方法介绍 | 第18-20页 |
| 2.2.2 优点及不足 | 第20-21页 |
| 2.3 基于OMIM疾病相似网络的随机游走算法 | 第21-22页 |
| 2.3.1 方法介绍 | 第21-22页 |
| 2.3.2 优点及不足 | 第22页 |
| 2.4 半监督学习方法RLSMDA | 第22-26页 |
| 2.4.1 方法介绍 | 第22-25页 |
| 2.4.2 优点及不足 | 第25-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第3章 基于数据融合的MIRNA-疾病关联关系预测 | 第28-41页 |
| 3.1 引言 | 第28页 |
| 3.2 基于数据融合的mi RNA-疾病关联关系研究现状 | 第28-30页 |
| 3.3 基因功能相似网络构建方法 | 第30-32页 |
| 3.3.1 术语语义相似度计算 | 第31页 |
| 3.3.2 基因功能相似度计算 | 第31-32页 |
| 3.3.3 基因功能相似网络的构建与纯化 | 第32页 |
| 3.4 带重启的随机游走算法 | 第32-35页 |
| 3.4.1 算法描述 | 第32-34页 |
| 3.4.2 算法伪代码 | 第34-35页 |
| 3.4.3 时间复杂度分析 | 第35页 |
| 3.5 实验结果与分析 | 第35-40页 |
| 3.5.1 实验数据集 | 第35-36页 |
| 3.5.2 基因功能相似网络纯化实验结果 | 第36页 |
| 3.5.3 随机游走实验结果 | 第36-37页 |
| 3.5.4 新mi RNA-疾病关联关系预测结果 | 第37-39页 |
| 3.5.5 结论 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 基于MIRNA-疾病双层网络模型的BNPDCMDA算法 | 第41-56页 |
| 4.1 引言 | 第41页 |
| 4.2 二分网络投影介绍 | 第41-44页 |
| 4.2.1 算法描述 | 第41-43页 |
| 4.2.2 算法伪代码 | 第43页 |
| 4.2.3 时间复杂度分析 | 第43-44页 |
| 4.3 基于密度的聚类DBSCAN算法介绍 | 第44-46页 |
| 4.3.1 算法描述 | 第44-45页 |
| 4.3.2 算法伪代码 | 第45-46页 |
| 4.3.3 时间复杂度分析 | 第46页 |
| 4.4 BNPDCMDA算法介绍 | 第46-49页 |
| 4.4.1 算法描述 | 第46-47页 |
| 4.4.2 算法伪代码 | 第47-48页 |
| 4.4.3 时间复杂度分析 | 第48-49页 |
| 4.5 实验结果及分析 | 第49-54页 |
| 4.5.1 实验数据集 | 第49-50页 |
| 4.5.2 聚类参数对实验结果的影响 | 第50页 |
| 4.5.3 BNPDCMDA算法与其他方法的比较 | 第50-52页 |
| 4.5.4 BNPDCMDA算法预测新mi RNA-疾病关联关系 | 第52-54页 |
| 4.5.5 结论 | 第54页 |
| 4.6 本章小结 | 第54-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读学位期间发表的学术论文 | 第61-63页 |
| 致谢 | 第63页 |
