摘要 | 第5-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第14-25页 |
1.1 研究背景和意义 | 第14-16页 |
1.2 国内外的研究现状 | 第16-20页 |
1.3 特征基因及序列表示方法研究 | 第20-22页 |
1.4 本文主要工作 | 第22-23页 |
1.5 本文结构组织 | 第23-25页 |
第2章 特征基因选择和序列表示方法研究 | 第25-55页 |
2.1 生物学基础知识 | 第25-39页 |
2.1.1 DNA序列 | 第25-28页 |
2.1.2 微阵列数据 | 第28-29页 |
2.1.3 序列相似性分析 | 第29-31页 |
2.1.4 突变分析 | 第31页 |
2.1.5 进化分析 | 第31-37页 |
2.1.6 基因识别 | 第37-39页 |
2.2 序列特征提取方法 | 第39-54页 |
2.2.1 序列表示方法 | 第39-49页 |
2.2.2 特征基因选择方法 | 第49-54页 |
2.3 小结 | 第54-55页 |
第3章 一种基于混合分类的特征基因选择方法 | 第55-75页 |
3.1 蚁群算法 | 第55-61页 |
3.1.1 蚁群算法的概述 | 第55-56页 |
3.1.2 蚁群算法的基本原理 | 第56-59页 |
3.1.3 基本蚁群算法的步骤 | 第59-61页 |
3.2 分类算法 | 第61-67页 |
3.2.1 支持向量机 | 第61-63页 |
3.2.2 K近邻分类算法 | 第63-65页 |
3.2.3 贝叶斯分类算法 | 第65页 |
3.2.4 Fisher判别分析分类方法 | 第65页 |
3.2.5 决策树分类 | 第65-66页 |
3.2.6 人工神经网络 | 第66页 |
3.2.7 分类性能的评估 | 第66-67页 |
3.3 基于混合分类的特征基因选择方法 | 第67-72页 |
3.3.1 基本原理 | 第67-68页 |
3.3.2 具体步骤 | 第68-72页 |
3.4 实验比较及结果分析 | 第72-74页 |
3.4.1 Leukemia | 第72-73页 |
3.4.2 Colon | 第73-74页 |
3.5 小结 | 第74-75页 |
第4章 一种基于DC曲线的基因序列二维图形表示法 | 第75-97页 |
4.1 基于DC曲线的基因序列二维图形表示 | 第75-82页 |
4.1.1 DC (AG),DC-R,DC-Y曲线的构建 | 第76-77页 |
4.1.2 DC (AT),AT-W,AT-H曲线的构造 | 第77-79页 |
4.1.3 DC(AC),AC-A,AC-K曲线的构造 | 第79-81页 |
4.1.4 基因序列DC曲线的高级属性 | 第81-82页 |
4.2 基于DC曲线表示的DNA生物序列的相似性分析 | 第82-89页 |
4.2.1 DNA生物序列的DC曲线表示 | 第82-86页 |
4.2.2 基于基因序列DC曲线表示的图形的相似性/相异性分析 | 第86-89页 |
4.3 基于DC曲线表示法的基因识别应用 | 第89-95页 |
4.3.1 基于DC曲线的编码区以及非编码区识别 | 第89-93页 |
4.3.2 基于DC-Curve的共频系数识别方法 | 第93-95页 |
4.4 小结 | 第95-97页 |
第5章 DNA序列的编码方法及其应用 | 第97-114页 |
5.1 一种基于结构组成的DNA编码方法 | 第97-102页 |
5.1.1 基于结构组成的DNA编码具体方法 | 第97-99页 |
5.1.2 基于DNA结构组成编码方法的优点 | 第99页 |
5.1.3 基于DNA结构组成编码方法的DNA序列的相似性分析 | 第99-100页 |
5.1.4 基于结构组成DNA编码方法的物种进化树的构建 | 第100-102页 |
5.2 一种基于信息理论统计特征的DNA编码方法 | 第102-113页 |
5.2.1 相关知识 | 第102-105页 |
5.2.2 基于信息理论的统计特征的序列表示法 | 第105-107页 |
5.2.3 改进的信息理论的统计特征的序列表示法 | 第107-113页 |
5.3 小结 | 第113-114页 |
结论 | 第114-117页 |
参考文献 | 第117-127页 |
致谢 | 第127-129页 |
附录A 攻读学位期间所发表的学术论文目录 | 第129-130页 |
附录B 攻读学位期间参与的项目 | 第130页 |