| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 研究意义 | 第12-13页 |
| 1.3 论文的组织结构 | 第13-14页 |
| 第二章 非负矩阵分解方法的研究现状 | 第14-24页 |
| 2.1 矩阵分解算法简介 | 第14-16页 |
| 2.1.1 矩阵的三角分解 | 第14页 |
| 2.1.2 矩阵的QR分解 | 第14页 |
| 2.1.3 矩阵的奇异值分解 | 第14-15页 |
| 2.1.4 主成分分析方法 | 第15-16页 |
| 2.2 非负矩阵分解算法简介 | 第16-17页 |
| 2.3 非负矩阵分解的相关研究 | 第17-19页 |
| 2.4 非负矩阵分解在生物数据挖掘上的应用 | 第19页 |
| 2.5 基于非负矩阵分解的模型选择方法简介 | 第19-23页 |
| 2.5.1 基于非负矩阵分解的聚类一致性模型选择方法(CPCC) | 第21页 |
| 2.5.2 基于非负矩阵分解的分散系数识别方法(Dispersion coefficient) | 第21-22页 |
| 2.5.3 基于样本相似性的模型选择方法(Concordance index) | 第22页 |
| 2.5.4 基于稳定性的非负矩阵分解方法(StaNMF) | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 基于同趋性非负矩阵分解模型选择方法 | 第24-48页 |
| 3.1 TDNMF方法简介 | 第24-29页 |
| 3.1.1 同趋性及其度量公式的提出 | 第26-28页 |
| 3.1.2 TDNMF算法的生物意义 | 第28-29页 |
| 3.2 TDNMF实验数据及结果分析 | 第29-33页 |
| 3.2.1 TDNMF在模拟数据上的表现 | 第29-30页 |
| 3.2.2 TDNMF在人类微生物组计划数据集上的表现 | 第30-33页 |
| 3.2.3 TDNMF的不足 | 第33页 |
| 3.3 TDNMF2算法 | 第33-39页 |
| 3.3.1 同趋性度量方法 | 第33-36页 |
| 3.3.2 样本间网络关系的保持性度量 | 第36页 |
| 3.3.3 维数不均衡问题 | 第36-37页 |
| 3.3.4 信息增益率介绍 | 第37-38页 |
| 3.3.5 TDNMF2算法描述 | 第38-39页 |
| 3.4 TDNMF2实验结果及分析 | 第39-46页 |
| 3.4.1 TDNMF2在模拟数据上的表现 | 第39-41页 |
| 3.4.2 TDNMF2在果蝇的基因表达图谱数据上的结果 | 第41-42页 |
| 3.4.3 TDNMF2在人类微生物组计划数据上的结果 | 第42-46页 |
| 3.4.4 TDNMF和TDNMF2的性能分析 | 第46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 基于信息均衡的非负矩阵分解模型选择方法 | 第48-57页 |
| 4.1 EBNMF-基于信息均衡的维数选择方法 | 第48-50页 |
| 4.1.1 EBNMF简介 | 第48-50页 |
| 4.1.2 EBNMF算法描述 | 第50页 |
| 4.2 实验数据及结果分析 | 第50-56页 |
| 4.2.1 模拟数据的构建及实验结果 | 第50-52页 |
| 4.2.2 在果蝇基因表达图谱数据上的应用分析 | 第52-53页 |
| 4.2.3 在人类微生物组计划数据集上的应用分析 | 第53-56页 |
| 4.3 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 论文总结 | 第57页 |
| 5.2 下一步工作展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士期间发表的论文和参加的科研项目 | 第63-64页 |
| 致谢 | 第64页 |
